如何为 matplotlib 中的子图设置相同的纵横比

Question

我想要一排具有相同纵横比的子图。 假设我想要 plot 两个在 y 轴上有不同范围的不同函数。

对此似乎有很多问题，但这些示例似乎很方便地对所有子图都有相同的轴。 无论如何，我发现没有一个对我有帮助。

我试过以下

import numpy as np
import matplotlib.pyplot as plt

xdata = np.arange(0,2,.01)
ydata1 = xdata
ydata2 = xdata ** 2

fig, ax = plt.subplots(1,2)

ax[0].plot(xdata,ydata1)
ax[1].plot(xdata,ydata2)

ax[0].set_aspect(.5)
ax[1].set_aspect(.5)
plt.show(fig)

但是，matplotlib 似乎使用 x 和 y 轴数据来确定纵横比，并且由于 y 轴的范围不同，子图的显示方式也不同。 这对我来说非常奇怪。 如何使它们具有相同的物理纵横比？

我想人们可以尝试提取每个子图的限制并单独计算正确的纵横比，但这似乎是一种非常迂回的方式，我希望这样的基本功能可以使所有子图看起来都一样。

编辑所以我想要的是两个子图在人类意义上具有相同的纵横比，即图形的宽度与高度的比率对于两者都是相同的。 例如在 Mathematica 中，我可以通过简单地设置AspectRatio属性来实现这一点：

xdata = Range[0, 2, .01];
ydata1 = {#, #} & /@ xdata;
ydata2 = {#, #^2} & /@ xdata;
fig = GraphicsRow[
   ListLinePlot[#, AspectRatio -> 1/GoldenRatio, Frame -> True, 
      ImageSize -> 300] & /@ {ydata1, ydata2}];
Export["fig.png", fig]

Answer 1

简短回答：制作子图时使用 figsize 关键字参数：

import numpy as np
import matplotlib.pyplot as plt

xdata = np.arange(0,2,.01)
ydata1 = xdata
ydata2 = xdata ** 2

fig = plt.figure(figsize=(10,6))
ax = fig.subplots(1,2)

ax[0].plot(xdata,ydata1)
ax[1].plot(xdata,ydata2)

# Squares
ax[0].plot([0,1,1,0],[0,0,1,1])
ax[1].plot([0,1,1,0],[0,0,1,1])

plt.show(fig)

figsize是以英寸为单位的元组，第一个元素是 x 方向的宽度，第二个元素是 y 方向的宽度。

它适用于整个图形； 您将需要调整它以获得适合您的子图的形状。

更长的答案： .set_aspect(num)为每个 plot 设置 y 轴与 x 轴的比率。

因此，当您在每个轴上使用.set_aspect(.5)时，您告诉matplotlib重新配置每个轴，使 y 轴是 x 轴的 0.5 倍。 这意味着一个 1x1 的正方形实际上看起来像每个 plot 上的一个矩形：

import numpy as np
import matplotlib.pyplot as plt

xdata = np.arange(0,2,.01)
ydata1 = xdata
ydata2 = xdata ** 2

fig, ax = plt.subplots(1,2)

ax[0].plot(xdata,ydata1)
ax[1].plot(xdata,ydata2)

# Squares
ax[0].plot([0,1,1,0],[0,0,1,1])
ax[1].plot([0,1,1,0],[0,0,1,1])

ax[0].set_aspect(.5)
ax[1].set_aspect(.5)
plt.show(fig)

这就是为什么你的地块形状不同的原因； 轴限制不同，但您已将两个图上的形状大小设置为相同。

Answer 2

这个问题并不完全清楚期望的结果是什么。 可能您希望在不更改轴的情况下拥有固定的数据方面？

import numpy as np
import matplotlib.pyplot as plt

xdata = np.arange(0,2,.01)
ydata1 = xdata
ydata2 = xdata ** 2

fig, ax = plt.subplots(1,2)

ax[0].plot(xdata,ydata1)
ax[1].plot(xdata,ydata2)

ax[0].set_aspect(.5, adjustable="datalim")
ax[1].set_aspect(.5, adjustable="datalim")
plt.show()