Matplotlib.axes.axes.autoscale()

Matplotlib是Python中的一个库，它是NumPy库的数值-数学扩展。Axes包含了大多数图形元素:Axis、Tick、Line2D、Text、Polygon等，并设置坐标系。Axes的实例通过callbacks属性支持回调。

matplotlib.axes.axes.autoscale()函数

matplotlib库的Axes模块中的Axes.autoscale()函数用于将axis视图自动缩放到数据(toggle)。

Axes.autoscale(self, enable=True, axis= ‘ both ‘， tight=None)

参数:该方法接受以下参数。

• enable:如果该参数为True(默认值)则开启自动缩放，False则关闭自动缩放。
• axis:该参数用于指定要操作的轴。{‘both’,‘x’,‘y’}
• tight:转发给autoscale_view。

返回值:该方法不返回任何值。

下面的例子演示了matplotlib.axes.axes.autoscale()函数在matplotlib.axes中的作用:

示例1

# Implementation of matplotlib function  
import numpy as np
from matplotlib.path import Path
from matplotlib.patches import PathPatch
import matplotlib.pyplot as plt
  
  
vertices = []
codes = []
  
codes = [Path.MOVETO] + [Path.LINETO]*3 + [Path.CLOSEPOLY]
vertices = [(1, 1), (1, 2), (2, 2), 
            (2, 1), (0, 0)]
  
codes += [Path.MOVETO] + [Path.LINETO]*2 + [Path.CLOSEPOLY]
vertices += [(4, 4), (5, 5), (5, 4), 
             (0, 0)]
  
vertices = np.array(vertices, float)
path = Path(vertices, codes)
  
pathpatch = PathPatch(path, facecolor ='None',
                      edgecolor ='green')
  
fig, ax = plt.subplots()
ax.add_patch(pathpatch)
ax.autoscale()
  
fig.suptitle('matplotlib.axes.Axes.autoscale() \
function Example\n', fontweight ="bold")
fig.canvas.draw()
plt.show()

输出:

示例2

# Implementation of matplotlib function  
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.collections import EllipseCollection
  
x = np.arange(10)
y = np.arange(15)
X, Y = np.meshgrid(x, y)
  
XY = np.column_stack((X.ravel(), Y.ravel()))
  
fig, ax = plt.subplots()
  
ec = EllipseCollection(10, 10, 5, units ='y',
                       offsets = XY * 0.5,
                       transOffset = ax.transData,
                       cmap ="inferno")
  
ec.set_array((X * Y).ravel())
ax.add_collection(ec)
ax.autoscale_view()
ax.set_xlabel('X')
ax.set_ylabel('y')
cbar = plt.colorbar(ec)
cbar.set_label('X + Y')
  
fig.suptitle('matplotlib.axes.Axes.autoscale() function \
Example\n', fontweight ="bold")
fig.canvas.draw()
plt.show()

输出: