如何仅根据一个图将平轴缩放而不延长其他地块？

Question

我想在一个图中绘制几个函数，但是如果绘制一个函数比其他函数高/较小，我想防止扩展轴。在下面的代码中，参数alpha实际上是随机的（在这里，我将其修复到alpha = 2），并且可以获得很高的值，这会使我的情节弄乱。基本上，我想做的是，我想绘制一个功能，然后根据其xlim和ylim冻结轴，然后添加其余的绘图而无需扩展如果alpha恰好很大，则轴了。我该怎么做？ 这里的解决方案不幸的是，不幸的是对我，即使用<<代码> plt.autoscale（false）我需要手动修复限制，这不是我想要的。

这是一个最小工作示例：

x = np.linspace(0,4*np.pi)
data1 = np.sin(0.5*x)
alpha = 2
data2 = alpha*np.sin(x)
data3 = np.sin(x)
data4 = np.sin(x)
data5 = np.cos(x)

fig = plt.figure(constrained_layout=True, figsize=(10, 4))
subfigs = fig.subfigures(1, 2, wspace=0.07)


axsLeft = subfigs[0].subplots(1, 1)
axsLeft.plot(x,data1)
# plt.autoscale(False)
axsLeft.plot(x,data2) #final prediction
axsLeft.plot(x,data3,'--k',linewidth=2.5)
# axsLeft.set_ylim([-1.05,+1.05])
axsLeft.set_xlabel("x")


axsRight = subfigs[1].subplots(2, 1, sharex=True)
axsRight[0].plot(data4)
axsRight[1].plot(data5)
axsRight[1].set_xlabel('x')

fig.show()

这个橙色的图延伸了轴，使得其他地块不再可以解释。我想在Y方向上超越橙色情节，这样： 但是不手动设置ylim。

Answer 1

绘制参考后，在您的情况下，您可以在SEPERATE变量中使用get_ylim（） a a 和b检索定义的y轴限制。并在用set_ylim绘制其余曲线后相应地重新汇总轴：

这确保轴始终根据参考缩放，即使y轴的下限非常低或零，也可以工作。

import numpy as np
from matplotlib import pyplot as plt

x = np.linspace(0,4*np.pi)
data1 = np.sin(0.5*x)
alpha = 2
data2 = alpha*np.sin(x)
data3 = np.sin(x)
data4 = np.sin(x)
data5 = np.cos(x)

fig = plt.figure(constrained_layout=True, figsize=(10, 4))
subfigs = fig.subfigures(1, 2, wspace=0.07)


axsLeft = subfigs[0].subplots(1, 1)
# reference axis
axsLeft.plot(x,data1)
a,b = axsLeft.get_ylim()

axsLeft.plot(x,data2) #final prediction
axsLeft.plot(x,data3,'--k',linewidth=2.5)
axsLeft.set_xlabel("x")

# set limit according to reference
axsLeft.set_ylim((a,b))


axsRight = subfigs[1].subplots(2, 1, sharex=True)
axsRight[0].plot(data4)
axsRight[1].plot(data5)
axsRight[1].set_xlabel('x')

fig.show()

Answer 2

如果要将Y轴调整为Data1的最大值和最小值，请使用以下代码。 （0.05是填充。）

axsLeft.set_ylim(np.min(data1) - 0.05, np.max(data1) + 0.05)

如果您希望alpha值也根据Data1而变化，则可以通过从np.max（）和np.min（）中减去alpha值来获得该值。以下是您上传的代码的修改版本。

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0,4*np.pi)
data1 = np.sin(0.5*x)
alpha = np.max(data1) - np.min(data1) # change 1
data2 = alpha*np.sin(x)
data3 = np.sin(x)
data4 = np.sin(x)
data5 = np.cos(x)

fig = plt.figure(constrained_layout=True, figsize=(10, 4))
subfigs = fig.subfigures(1, 2, wspace=0.07)

axsLeft = subfigs[0].subplots(1, 1)
axsLeft.plot(x,data1)
axsLeft.plot(x,data2) #final prediction
axsLeft.plot(x,data3,'--k',linewidth=2.5)
axsLeft.set_xlabel("x")
axsRight = subfigs[1].subplots(2, 1, sharex=True)
axsRight[0].plot(data4)
axsRight[1].plot(data5)
axsLeft.set_ylim(-alpha / 2 - 0.05, alpha / 2 + 0.05) # change 2
axsRight[1].set_xlabel('x')

plt.show()