坐标轴框纵横比#

此演示显示如何通过 set_box_aspect 直接设置坐标轴框的纵横比。框纵横比是坐标轴高度与坐标轴宽度在物理单位上的比率，独立于数据限制。这对于例如生成一个正方形图，独立于其包含的数据，或者使通常的图与具有固定（数据）纵横比的图像图相邻，且具有相同的轴尺寸非常有用。

以下列出了 set_box_aspect 的一些用例。

一个正方形坐标轴，独立于数据#

生成一个正方形坐标轴，无论数据限制是什么。

import matplotlib.pyplot as plt
import numpy as np

fig1, ax = plt.subplots()

ax.set_xlim(300, 400)
ax.set_box_aspect(1)

plt.show()

共享正方形坐标轴#

生成大小为正方形的共享子图。

fig2, (ax, ax2) = plt.subplots(ncols=2, sharey=True)

ax.plot([1, 5], [0, 10])
ax2.plot([100, 500], [10, 15])

ax.set_box_aspect(1)
ax2.set_box_aspect(1)

plt.show()

正方形双坐标轴#

生成一个正方形坐标轴，带有双坐标轴。双坐标轴继承父坐标轴的框纵横比。

fig3, ax = plt.subplots()

ax2 = ax.twinx()

ax.plot([0, 10])
ax2.plot([12, 10])

ax.set_box_aspect(1)

plt.show()

图像旁边的普通图#

当创建一个具有固定数据纵横比和默认 adjustable="box" 的图像图，并且它旁边是一个普通图时，坐标轴的高度会不相等。set_box_aspect 提供了一个简单的解决方案，允许普通图的坐标轴使用图像尺寸作为框纵横比。

此示例还表明约束布局与固定的框纵横比可以很好地相互作用。

fig4, (ax, ax2) = plt.subplots(ncols=2, layout="constrained")

np.random.seed(19680801)  # Fixing random state for reproducibility
im = np.random.rand(16, 27)
ax.imshow(im)

ax2.plot([23, 45])
ax2.set_box_aspect(im.shape[0]/im.shape[1])

plt.show()

正方形联合/边缘图#

可能需要在联合数据的图旁边显示边缘分布。以下内容创建一个正方形图，其中边缘坐标轴的框纵横比等于 gridspec 的宽度和高度比。这确保了所有坐标轴完美对齐，独立于图形的大小。

fig5, axs = plt.subplots(2, 2, sharex="col", sharey="row",
                         gridspec_kw=dict(height_ratios=[1, 3],
                                          width_ratios=[3, 1]))
axs[0, 1].set_visible(False)
axs[0, 0].set_box_aspect(1/3)
axs[1, 0].set_box_aspect(1)
axs[1, 1].set_box_aspect(3/1)

np.random.seed(19680801)  # Fixing random state for reproducibility
x, y = np.random.randn(2, 400) * [[.5], [180]]
axs[1, 0].scatter(x, y)
axs[0, 0].hist(x)
axs[1, 1].hist(y, orientation="horizontal")

plt.show()

使用框纵横比设置数据纵横比#

设置框纵横比时，仍然可以同时设置数据纵横比。在这里，我们创建一个框长度是其高度两倍的坐标轴，并为其内容使用“相等”的数据纵横比，即圆实际上保持圆形。

fig6, ax = plt.subplots()

ax.add_patch(plt.Circle((5, 3), 1))
ax.set_aspect("equal", adjustable="datalim")
ax.set_box_aspect(0.5)
ax.autoscale()

plt.show()

多个子图的框纵横比#

可以在初始化时将框纵横比传递给坐标轴。以下内容创建一个 2 x 3 子图网格，其中所有坐标轴均为正方形。

fig7, axs = plt.subplots(2, 3, subplot_kw=dict(box_aspect=1),
                         sharex=True, sharey=True, layout="constrained")

for i, ax in enumerate(axs.flat):
    ax.scatter(i % 3, -((i // 3) - 0.5)*200, c=[plt.cm.hsv(i / 6)], s=300)
plt.show()