对齐两个组合图 - Matplotlib

Question

我现在在做一个图表，里面展示了组合的数据。
我用下面的代码来绘制它：

plt.figure()

# Data 1
data = plt.cm.binary(data1)
data[..., 3] = 1.0 * (data1 > 0.0)
fig = plt.imshow(data, interpolation='nearest', cmap='binary', vmin=0, vmax=1, extent=(-4, 4, -4, 4))

# Plotting just the nonzero values of data2
x = numpy.linspace(-4, 4, 11)
y = numpy.linspace(-4, 4, 11)
data2_x = numpy.nonzero(data2)[0]
data2_y = numpy.nonzero(data2)[1]

pts = plt.scatter(x[data2_x], y[data2_y], marker='s', c=data2[data2_x, data2_y])

这样就得到了这个图：

从图中可以看到，我的背景方块和前景方块没有对齐。

它们的尺寸都是一样的（20 x 20）。我想找个办法，如果可能的话，能让它们中心对中心，或者角对角对齐，反正就是想要某种对齐方式。

在一些网格单元中，似乎是右下角对齐，在其他的则是左下角对齐，还有一些根本没有对齐，这样就影响了视觉效果。

希望能得到一些帮助。

谢谢。

Answer 1

这里有一段代码，没有对齐的问题。

import matplotlib.pyplot as plt
import numpy

data1 = numpy.random.rand(10, 10)
data2 = numpy.random.rand(10, 10)
data2[data2 < 0.4] = 0.0

plt.figure()

# Plotting data1
fig = plt.imshow(data1, interpolation='nearest', cmap='binary', vmin=0.0, vmax=1.0)

# Plotting data2
data2_x = numpy.nonzero(data2)[0]
data2_y = numpy.nonzero(data2)[1]
pts = plt.scatter(data2_x, data2_y, marker='s', c=data2[data2_x, data2_y])

plt.show()

这段代码可以生成完美对齐的组合图：

所以，你代码中使用的额外选项可能是导致组合图没有对齐的原因。

Answer 2

正如tcaswell所说，你的问题可以通过为imshow定义extent关键字来更容易地解决。

如果你设置了extent关键字，最外层的像素边缘就会位于这些范围内。例如：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111)
ax.imshow(np.random.random((8, 10)), extent=(2, 6, -1, 1), interpolation='nearest', aspect='auto')

现在，计算每个像素的中心就变得简单了。在X方向上：

• 像素之间的距离是(6-2) / 10 = 0.4 像素
• 最左边像素的中心距离左边缘半个像素，计算方式是2 + 0.4/2 = 2.2

同样，Y方向的中心位置是-.875 + n * 0.25。

所以，通过调整extent，你可以把像素中心放在你想要的位置。

---

这是一个20x20数据的例子：

import matplotlib.pyplot as plt
import numpy

# create the data to be shown with "scatter"
yvec, xvec = np.meshgrid(np.linspace(-4.75, 4.75, 20), np.linspace(-4.75, 4.75, 20))
sc_data = random.random((20,20))

# create the data to be shown with "imshow" (20 pixels)
im_data = random.random((20,20))

fig = plt.figure()
ax = fig.add_subplot(111)
ax.imshow(im_data, extent=[-5,5,-5,5], interpolation='nearest', cmap=plt.cm.gray)
ax.scatter(xvec, yvec, 100*sc_data)

注意这里像素之间的距离对于scatter（如果你查看xvec，所有像素之间的距离都是0.5单位）和imshow（因为图像从-5拉伸到+5，并且有20个像素，所以像素之间的距离也是0.5单位）是相同的。