自动缩放轴

轴的限制可以手动设置（例如，ax.set_xlim(xmin, xmax)），或者 Matplotlib 可以根据轴上已有的数据自动设置它们。下面讨论一些关于自动缩放行为的选项。

我们将从一个简单的线图开始，展示自动缩放将轴的限制扩展到数据限制 (-2π, 2π) 之外的 5%。

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%，这是基于 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) 的默认配置设置。

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)

通常，边距的范围可以是 (-0.5, ∞)，其中负边距将轴的限制设置为数据范围的子范围，即它们会剪切数据。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，但不能组合位置和关键字接口。

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

粘性边缘

有一些绘图元素（Artist），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）在边距计算中不考虑。

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)")

边距的这种覆盖由“粘性边缘”确定，“粘性边缘”是 Artist 类的属性，可以阻止向轴限制添加边距。可以通过更改 use_sticky_edges 来禁用轴上的粘性边缘效果。艺术家具有属性 Artist.sticky_edges，并且可以通过写入 Artist.sticky_edges.x 或 Artist.sticky_edges.y 来更改粘性边缘的值。

以下示例显示了覆盖如何工作以及何时需要它。

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* 会使用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的限制，但仍然会考虑负边距。这可以在第三个图像的减小的限制中看到。

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，您不希望自动将视口调整为新数据。

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。即使我们在数据中添加更多曲线，设置 xlim 也会保留。要重新计算新的限制，调用 Axes.autoscale 将手动切换该功能。

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()")

我们可以通过使用 Axes.get_autoscale_on() 来检查第一个绘图是否禁用了自动缩放，第二个绘图是否再次启用了自动缩放。

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

False
True

autoscale 函数的参数使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（或两者）设置自动缩放功能。参数 tight 将选定轴的边距设置为零。要保留 enable 或 tight 的设置，可以将另一个设置为 *None*，这样它就不会被修改。但是，将 enable 设置为 *None* 且 tight 设置为 *True* 会影响两个轴，而与 axis 参数无关。

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

自动缩放适用于添加到轴的所有线条、补丁和图像。它不适用于的艺术家之一是 Collection。将集合添加到轴后，必须手动触发 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()