使插入的 Matplotlib 图具有正确的尺寸

Question

我想在 matplotlib 上做一个散点图：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4,  5])
y = np.array([1.1, 2.2, 3.2, 4.2, 5.2])
param = np.polyfit(x, y, 1)
x_linspace = np.linspace(min(x), max(x), 100)
y_fit = param[0] * x_linspace + param[1]

fig, ax = plt.subplots(1, 1)
ax.scatter(x, y)
ax.plot(x_linspace, y_fit, '--')

现在我想插入一个曲线图，显示曲线的斜率：

ax2 = fig.add_axes([0.675, 0.135, 0.2, 0.2])
ax2.plot([0, 2, 2,0], [0,2,0,0], color="k", linewidth=2) # slope 2
ax2.plot([0, 2, 2,0], [0,4,0,0], color="k", linewidth=2) # slope 1
ax2.axis('off')
ax2.text(2.01, 3.75, "2", fontsize=20)
ax2.text(2.01, 1.75, "1", fontsize=20)

如何使插入的斜率与主图相匹配？

Answer 1

如果我理解正确，您想用小三角形显示参考梯度，以便您可以将拟合线的斜率a与数据进行比较。

就我个人而言，我发现摆弄不同的尺度在精神上具有挑战性，所以我的直觉是使用ax.axis('equal')使用未失真的笛卡尔平面。

我认为这有效：

import matplotlib.pyplot as plt
import numpy as np

# Make data.
x = np.array([1, 2, 3, 4,  5])
y = np.array([1.1, 2.2, 3.2, 4.2, 5.2])

# Fit the model.
a, b = np.polyfit(x, y, 1)
x_linspace = np.linspace(min(x), max(x), 100)
y_fit = a * x_linspace + b

# Make the plot.
fig, ax = plt.subplots(1,1)

ax.scatter(x,y)
ax.plot(x_linspace, y_fit, '--')
ax.axis('equal')
ax.grid(c='k', alpha=0.2)

ax2 = fig.add_axes([0.675, 0.135, 0.25, 0.25])
for slope in (0.5, 1, 2):
    ax2.plot([0, 1, 1, 0], [0, slope, 0, 0], color="k", linewidth=2)
    ax2.text(1.1, slope, slope, fontsize=12, va='center')
ax2.axis('off')
ax2.axis('equal')

plot.show()

我稍微概括了斜率，以便您可以添加更多或更少。