0 自动放缩

轴上的限制可以手动设置（例如ax.set_xlim(xmin, xmax))，或者Matplotlib可以根据Axes上已有的数据自动设置它们。此种放缩行为有许多选项，如下所述。

我们将从一个简单的折线图开始，显示自动缩放将轴限制扩展到数据的极限$(-2\pi ,2\pi )$之外5%。

import matplotlib.pyplot as plt
import numpy as npimport matplotlib as mplx = np.linspace(-2 * np.pi, 2 * np.pi, 100)
y = np.sinc(x)fig, ax = plt.subplots()
ax.plot(x, y)

小白按：matplotlib的默认自动放缩就是以数据分布极限的±5%的余量来控制绘图的。下面将会讲到“余量”（裕度），默认余量等概念。

1 边距裕度

默认的边距裕度为数据极限的5%，这是基于rcParams["axes.xmargin"]（默认0.5）、rcParams["axes.ymargin"]（默认0.5）和rcParams["axes.zmargin"]（默认0.5）的默认配置设置：

print(ax.margins())

输出为：

(0.05, 0.05)

可以修改裕度参数来让边距更小或更大：

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

通常，边距裕度可以在(-0.5, ∞)范围内，其中负边距将axes限制设置为数据范围的子范围，即它们的裁剪数据。使用单个数字作为边距裕度会影响两个轴，可以使用关键字参数x或y自定义单个边距，但位置和关键字接口不能同时组合。

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

2 粘性边缘

有些绘图元素（Artist）没有边距裕度。比如伪彩色图（例如由Axes.imshow创建的）就不在边距裕度的计算范围内。

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)")

边距裕度的这种覆盖由“粘性边界”所确定，“粘性边界”是Artist类的一个属性，可以禁止将边距裕度添加到轴限制。可以通过更改use_sticky_edges在轴上禁用粘性边界的效果。Artist具有属性Artist.sticky_edges, 可以通过写入Artist.sticky_edges.x或Artist.sticky_edges.y来更改粘性边缘的值。

以下示例演示重写的工作原理，以及何时需要重写：

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)")

我们看到，将use_sticky_edges设置为False会呈现具有请求边距的图像。

虽然粘性边界不会通过额外的边距裕度来增加轴限制，但仍会考虑负边距（即使没有将use_sticky_edges设置为False）。这可以从第三张图像的减小限制中看出。

3 控制自动缩放

默认情况下，每次向绘图添加新曲线时，都会重新计算极限：

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，你不希望窗口自动按新数据进行调整。

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部分数据。即使我们向数据添加更多曲线，设置xlim也会保持不变。若要重新计算新限制，调用Axes.autoscale将手动切换功能。

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()")

我们可以使用Axes.get_autoscale_on()检查第一个图是否禁用了自动缩放，第二个图是否再次启用了它：

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

输出：

False
True

自动缩放函数的参数为我们提供了对自动缩放过程的精确控制。参数enable和axis的组合设置所选轴（或两者）的自动缩放功能。参数tight将所选轴的边距裕度设置为零。要保留enable或tight的设置，你可以将相对的参数设置为None，这样就不应该修改它。但是，将enable设置为None和tight设置为True会影响两个轴，而不考虑轴参数。

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())

输出为

(0,0)

4 使用Collection

自动缩放功能开箱即用，适用于添加到Axes的所有线条、面片和图像。它不会与之合作的Artist类之一是Collection。将集合添加到Axes后，必须手动触发autoscale_view()以重新计算轴限制。

fig, ax = plt.subplots()
collection = mpl.collections.StarPolygonCollection(5, rotation=0, sizes=(250,),  # five point star, zero angle, size 250pxoffsets=np.column_stack([x, y]),  # Set the positionsoffset_transform=ax.transData,  # Propagate transformations of the Axes
)
ax.add_collection(collection)
ax.autoscale_view()