自动缩放坐标轴

坐标轴的限制可以手动设置（例如，ax.set_xlim(xmin, xmax)），或者 Matplotlib 可以根据 Axes 上已有的数据自动设置它们。这种自动缩放行为有许多选项，将在下面讨论。

我们将从一个简单的折线图开始，该图显示自动缩放将轴限制扩展到数据限制 (-2π, 2π) 的 5% 之外。

import matplotlib.pyplot as plt
import numpy as np

import matplotlib as mpl

x = np.linspace(-2 * np.pi, 2 * np.pi, 100)
y = np.sinc(x)

fig, ax = plt.subplots()
ax.plot(x, y)

边距

数据限制周围的默认边距为 5%，这基于默认配置设置 rcParams["axes.xmargin"]（默认值：0.05）、rcParams["axes.ymargin"]（默认值：0.05）和 rcParams["axes.zmargin"]（默认值：0.05）。

print(ax.margins())

(0.05, 0.05)

可以使用 margins 覆盖边距大小，使其更小或更大。

fig, ax = plt.subplots()
ax.plot(x, y)
ax.margins(0.2, 0.2)

一般来说，边距可以在 (-0.5, ∞) 范围内，负边距将轴限制设置为数据范围的子范围，即它们会裁剪数据。使用单个数字作为边距会影响两个轴，可以使用关键字参数 x 或 y 自定义单个边距，但位置和关键字接口不能组合使用。

fig, ax = plt.subplots()
ax.plot(x, y)
ax.margins(y=-0.2)

粘性边缘

有一些绘图元素（Artists）通常在没有边距的情况下使用。例如，伪彩色图像（例如，使用 Axes.imshow 创建的图像）不会被考虑在边距计算中。

xx, yy = np.meshgrid(x, x)
zz = np.sinc(np.sqrt((xx - 1)**2 + (yy - 1)**2))

fig, ax = plt.subplots(ncols=2, figsize=(12, 8))
ax[0].imshow(zz)
ax[0].set_title("default margins")
ax[1].imshow(zz)
ax[1].margins(0.2)
ax[1].set_title("margins(0.2)")

这种对边距的覆盖是由“粘性边缘”决定的，它是 Artist 类的一个属性，可以抑制向轴限制添加边距。可以通过更改 use_sticky_edges 来禁用 Axes 上的粘性边缘效果。Artist 具有属性 Artist.sticky_edges，可以通过写入 Artist.sticky_edges.x 或 Artist.sticky_edges.y 来更改粘性边缘的值。

以下示例展示了覆盖的工作原理以及何时需要覆盖。

fig, ax = plt.subplots(ncols=3, figsize=(16, 10))
ax[0].imshow(zz)
ax[0].margins(0.2)
ax[0].set_title("default use_sticky_edges\nmargins(0.2)")
ax[1].imshow(zz)
ax[1].margins(0.2)
ax[1].use_sticky_edges = False
ax[1].set_title("use_sticky_edges=False\nmargins(0.2)")
ax[2].imshow(zz)
ax[2].margins(-0.2)
ax[2].set_title("default use_sticky_edges\nmargins(-0.2)")

我们可以看到，将 use_sticky_edges 设置为 False 会以请求的边距渲染图像。

虽然粘性边缘不会通过额外的边距增加轴限制，但仍然会考虑负边距。这可以在第三张图像的缩减限制中看到。

控制自动缩放

默认情况下，每次向绘图添加新曲线时都会重新计算限制。

fig, ax = plt.subplots(ncols=2, figsize=(12, 8))
ax[0].plot(x, y)
ax[0].set_title("Single curve")
ax[1].plot(x, y)
ax[1].plot(x * 2.0, y)
ax[1].set_title("Two curves")

但是，在某些情况下，您可能不希望自动调整视口以适应新数据。

禁用自动缩放的一种方法是手动设置轴限制。假设我们只想更详细地查看数据的一部分。设置 xlim 即使我们向数据添加更多曲线也会保留。要重新计算新限制，请调用 Axes.autoscale 将手动切换功能。

fig, ax = plt.subplots(ncols=2, figsize=(12, 8))
ax[0].plot(x, y)
ax[0].set_xlim(left=-1, right=1)
ax[0].plot(x + np.pi * 0.5, y)
ax[0].set_title("set_xlim(left=-1, right=1)\n")
ax[1].plot(x, y)
ax[1].set_xlim(left=-1, right=1)
ax[1].plot(x + np.pi * 0.5, y)
ax[1].autoscale()
ax[1].set_title("set_xlim(left=-1, right=1)\nautoscale()")

我们可以使用 Axes.get_autoscale_on() 检查第一个绘图是否禁用了自动缩放，以及第二个绘图是否重新启用了自动缩放。

print(ax[0].get_autoscale_on())  # False means disabled
print(ax[1].get_autoscale_on())  # True means enabled -> recalculated

False
True

autoscale 函数的参数让我们可以精确控制自动缩放的过程。参数 enable 和 axis 的组合为选定的轴（或两个轴）设置自动缩放功能。参数 tight 将选定轴的边距设置为零。为了保留 enable 或 tight 的设置，可以将另一个设置为 None，这样就不会修改它。但是，将 enable 设置为 None 并且将 tight 设置为 True 会影响两个轴，而不管 axis 参数如何。

fig, ax = plt.subplots()
ax.plot(x, y)
ax.margins(0.2, 0.2)
ax.autoscale(enable=None, axis="x", tight=True)

print(ax.margins())

(0, 0)

使用集合

自动缩放功能对添加到 Axes 的所有线条、补丁和图像都默认有效。它不适用于 Collection。在将集合添加到 Axes 后，需要手动触发 autoscale_view() 来重新计算轴的限制。

fig, ax = plt.subplots()
collection = mpl.collections.StarPolygonCollection(
    5, rotation=0, sizes=(250,),  # five point star, zero angle, size 250px
    offsets=np.column_stack([x, y]),  # Set the positions
    offset_transform=ax.transData,  # Propagate transformations of the Axes
)
ax.add_collection(collection)
ax.autoscale_view()