Matplotlib：获取子图填充数字

Question

我希望在将图像绘制为子图时如何覆盖默认的matplotlib行为的建议，其中子图大小似乎与图形大小不匹配。我想设置我的图形大小（例如，以匹配A4页面的宽度）并使子图自动拉伸以填充可用空间。在下面的示例中，下面的代码给出了一个在面板之间有很多空白区域的图形：

import numpy as np
import matplotlib.pyplot as plt

data=np.random.rand(10,4)

#creating a wide figure with 2 subplots in 1 row
fig,ax=plt.subplots(1,2, figsize=(9,3))  
ax=ax.reshape(1,len(ax))

for i in [0,1]:
    plt.sca(ax[0,i])
    plt.imshow(data,interpolation='nearest')
    plt.colorbar()

我希望子图可以水平拉伸，以便填充图形空间。我将在每个轴上制作许多具有不同数值的相似图，并且图之间的空间似乎取决于x值与y值的比率，所以我想知道是否有一个很好的通用方法来设置子图宽度填充空间。可以以某种方式指定子图的物理尺寸吗？我一直在寻找解决方案几个小时，所以提前感谢您提供的任何帮助。

Answer 1

您可以使用ax.set_position方法调整轴区域。它适用于相对坐标，因此如果您想制作A4图像，那么：

import numpy as np
import matplotlib.pyplot as plt

# figsize keyword talks some obscure units which need a conversion from standard units
plt.figure(figsize=np.array([210,297]) / 25.4)

x = np.linspace(0,2*np.pi, 100)
plt.plot(x, np.sin(x))

plt.gca().set_position([0, 0, 1, 1])

plt.show()

现在轴区域（绘图区域）填满整个页面。

set_position的坐标是相对坐标[左，下，宽，高]，每个方向按页面大小缩放。

正如其他答案中所指出的，imshow和matshow有时会尝试将像素保持在图片中。轴比率和imshow之间存在相当特殊的相互作用。

• 如果在没有imshow或extent=[...]关键字参数的情况下调用aspect='auto'，它会执行本地默认值中指示的内容，通常会尝试保持像素正方形
• 如果发生这种情况（或aspect='equal'已设置），则轴的作用就像调用plt.axis('scaled')一样，即保持X和Y坐标等长（每单位像素数）并将轴大小更改为匹配范围
• 这可以通过设置plt.axis('tight')（使x和y限制精确地适合图像）来覆盖

旧技巧是使用axis('auto')或axis('normal')，但现在已弃用这些技巧（使用scaled，equal或tight）。

是的，这有点乱。

Answer 2

首先，当您处理plt个对象时，您正在使用Axes来电。那条路导致痛苦。其次，imshow将轴的纵横比设置为1.这就是轴非常窄的原因。知道了这一切，你的榜样就变成了：

import numpy as np
import matplotlib.pyplot as plt

data = np.random.rand(10,4)

#creating a wide figure with 2 subplots in 1 row
fig, axes = plt.subplots(1, 2, figsize=(9,3))  

for ax in axes.flatten():  # flatten in case you have a second row at some point
    img = ax.imshow(data, interpolation='nearest')
    ax.set_aspect('auto')

plt.colorbar(img)

在我的系统上，看起来像这样：

Answer 3

一位朋友想出了一个似乎运行得相当好的解决方案，我认为我会为任何有类似问题的人发布 - 在imshow中设置aspect ='auto'似乎可以解决这个问题，因为任何选择nx， figsize，nplots_hori和nplots_vert如下。

import numpy as np
import matplotlib.pyplot as plt

nx=5
data=np.random.rand(10,nx)

figsize=[10,8]
nplots_hori=2
nplots_vert=2

fig,ax=plt.subplots(nplots_vert, nplots_hori, figsize=figsize)
if nplots_vert==1: ax=ax.reshape(1,len(ax))

plt.tight_layout()
for i in range(nplots_hori):
    for j in range(nplots_vert):
        plt.sca(ax[j,i])
        plt.imshow(data, aspect='auto')

plt.tight_layout()
plt.show()