python列表方法position,如何在python matplotlib中使用set_position方法固定轴位置?

I think this is quite easy but I searched the internet and matplotlib users mailing list and not able to find an answer. ax2 is an inset axes within the "ax" axes in figure "fig", which I make by following here:

http://matplotlib.sourceforge.net/examples/pylab_examples/axes_demo.html

but now my problem is that I cannot fix the ax2 the exact position I want, it seems that draw() command change this:

In [352]:

ax2.set_position([0.125,0.63,0.25,0.25])

In [353]:

ax2.get_position()

Out[353]:

Bbox(array([[ 0.125, 0.63 ],

[ 0.375, 0.88 ]]))

In [354]:

draw()

In [355]:

ax2.get_position()

Out[355]:

Bbox(array([[ 0.15625, 0.63 ],

[ 0.34375, 0.88 ]]))

notice that, after "draw()" command, the x0 of ax2 changed. could anyone give any hints?

thanks!

解决方案

Try setting the position by specifying the parameters as a Bbox object:

>>> ax2.set_position(matplotlib.transforms.Bbox(array([[0.125,0.63],[0.25,0.25]])))

>>> ax2.get_position()

Bbox(array([[ 0.125, 0.63 ],

[ 0.25 , 0.25 ]]))

>>> draw()

>>> ax2.get_position()

Bbox(array([[ 0.125, 0.63 ],

[ 0.25 , 0.25 ]]))

With this you can see the settings are round-tripping like you would expect.

In addition, you could instead look at the results as a tuple like so:

>>> a.set_position([0.125,0.63,0.25,0.25])

>>> a.get_position().bounds

(0.125, 0.63, 0.25, 0.25)

It just depends if you want to look at the location/position as a bounding box: x0,y0 by x1,y1, or instead by a location and size: x,y,width,height.

Currently you are telling it to set a x,y,width,height, then it's telling you the x0,y0,x1,y1.

相关推荐

C++数据可视化实战:Qt、OpenGL与Matplotlib混合架构全解析

数据可视化是将抽象数据转化为直观图形的关键技术,广泛应用于数据分析、工业监控和科学计算等领域。其核心原理在于通过图形渲染引擎将数值映射为视觉元素,从而揭示数据内在的模式与趋势。在C++高性能计算场景中,可视化技术价值尤为突出,它能够实现零开销抽象、低延迟渲染,并与现有系统深度集成。常见的应用场景包括实时流数据处理、工业级应用界面构建以及科学计算结果的图形展示。针对这些需求,开发者通常需要根据项目特点在多种工具链中做出抉择。例如,Qt框架适合快速开发带交互界面的桌面应用,其QChart模块和QCustomPl

cuiji1279的博客 416

python numpy矩阵转base64_numpy的阵列到Base64和回numpy的阵列 - 的Python

I am now trying to figure out how I can recover a numpy array from base64 data. This question and answer suggest it is possible: Reading numpy arrays outside of Python but an example is not given.Usin...

weixin_39725873的博客 284

自定义 Python 中坐标位置

然后,在 ax 上绘制一个正弦波。使用 get_position() 函数获取当前坐标对象的位置,修改其 ‘active’ 属性,以便将 Y 向上移动。最后,我们使用 set_position() 函数将修改后的坐标对象重新设置为 ax 对象。您可以将 Axes 对象传递给 set_position() 函数以更改坐标位置,并指定 ‘original’ 或 ‘active’ 位置属性。‘original’ 属性是为坐标分配的位置,而 ‘active’ 属性是 Axes 实际绘制的位置

持续更新 700

Python:plt.legend或者ax.legend设置图例的参数详解

                plt.legend或者ax.legend设置图例的参数详解 #显示图例 # box = ax.get_position() # ax.set_position([box.x0, box.y0, box.wi...

缘来如此 11万+

matplotlib】可视化解决方案——如何调整位置

本文主要介绍了matplotlib脊对象,本文首先详细介绍了脊(Spine对象)的文字定义、类定义以及继承关系,然后对参数进行了说明。最后针对实际应用给出了两个示例,帮助大家更好理解脊对象。

pcx171的博客 968

python笔记

matplotlib库画散点图,彩色变换 https://www.cnblogs.com/OliverQin/p/7965435.html

qq_36852276的博客 197

python列表方法position_如何在python matplotlib使用set_position方法固定位置

I think this is quite easy but I searched the internet and matplotlib users mailing list and not able to find an answer. ax2 is an inset axes within the "ax" axes in figure "fig", which I make by foll...

weixin_39718286的博客 1559

Python Matplotlib多Y图表绘制:从双到四的实战指南

在数据可视化中,多图表是解决不同量纲、数值范围差异大的数据序列在同一图表中清晰展示的关键技术。其核心原理是通过创建共享X但独立的Y,实现多变量数据的和谐共存。这项技术的价值在于能有效揭示不同指标间的关联与趋势,避免单一坐标导致的信息淹没,广泛应用于金融分析(如股价与成交量)、环境监测(如温度、湿度、气压)以及多维度业务指标对比等场景。本文聚焦于使用Matplotlib的面向对象模式,深入解析通过twinx()方法创建、定位多个Y,并系统解决坐标对齐、刻度美化、图例合并等工程实践难题,帮助开发者掌

weixin_34161032的博客 346

Matplotlib多Y图表绘制全攻略:从双到四的布局与美化

在数据可视化领域,多Y图表是解决不同量纲数据序列在同一坐标系下对比分析的关键技术。其核心原理是通过创建多个独立的Y,使每个负责映射一个数据序列的尺度,从而避免因数值范围差异导致的图表可读性问题。这项技术的价值在于能够清晰展示多变量间的关联与趋势,广泛应用于金融分析、系统监控、气象观测等需要多维度数据对比的场景。通过Matplotlib的twinx()方法可以便捷地创建双Y,但在处理三、四图表时,常会遇到图例合并、刻度干扰、布局混乱等挑战。本文深入探讨了脊柱偏移、图例整合等实战技巧,帮助开发者绘制

weixin_34342207的博客 468

Matplotlib复杂子图布局自动化:Subplot位置计算器设计与实现

在数据可视化领域,多子图布局是展示复杂数据关系的核心手段。其原理是通过在单一画布上规划多个坐标的几何位置,实现信息的有效组织与对比。这项技术的价值在于将开发者从繁琐的坐标计算中解放出来,确保图表排版精确、专业且可复现,从而提升数据分析与报告生成的效率。在实际工程中,手动计算子图位置极易引发图表重叠或对齐错误,尤其是在处理非标准网格、嵌套图表等复杂场景时,常需应对位置不一致等挑战。应用场景广泛覆盖学术论文图表、商业仪表板以及任何需要高质量、定制化排版的可视化需求。本文聚焦于构建一个Subplot位置计算器,

weixin_34265814的博客 326

掌握Matplotlib核心:从面向对象API到复杂图表实战

数据可视化是数据分析与科学计算的基础环节,其核心在于将数据转化为直观的图形以揭示内在规律。Matplotlib作为Python生态中最底层的绘图库,提供了完整的可编程绘图系统,其面向对象API(OO API)是实现精细控制的关键。理解Figure、Axes及Artist层级对象模型,开发者可以精确操作每个图形元素,从线条粗细到坐标刻度,实现像素级定制。这种底层控制能力不仅满足了出版级图表的美学要求,更是Seaborn、Pandas等高级可视化库的渲染基础。在工程实践中,通过系统掌握子图布局、GridSpe

weixin_30570101的博客 452

Python Matplotlib绘制极坐标柱状图与雷达图:多维模型性能对比可视化实战

在机器学习模型评估与数据分析中,数据可视化是直观呈现模型综合性能的关键技术。其核心原理在于将高维数据映射到二维空间,通过图形化方式揭示数据内在规律与模式。从技术价值看,优秀的可视化能极大提升模型对比效率,辅助决策者快速识别优劣。在应用场景上,极坐标柱状图擅长精确展示多个模型在各指标上的绝对数值对比,而雷达图则更适用于刻画少数模型的综合性能轮廓与均衡性。本文聚焦于使用PythonMatplotlib库,通过实战代码演示如何绘制这两种专业图表,有效解决在评估准确率、召回率、F1分数等多个指标时,传统表格或条形

weixin_34241036的博客 393

Matplotlib GridSpec动态子图布局实战指南

Matplotlib作为Python最主流的静态绘图库,其子图管理能力直接影响科研图表与工程报告的可维护性。传统plt.subplots()虽上手简单,但在跨行跨列、动态增删、尺寸自适应等需求下极易失控;而GridSpec结合constrained_layout则提供了基于约束求解的结构化布局原理,支持切片定位、比例权重控制与运行时重构,显著提升图表代码的可编程性与协作鲁棒性。该方案特别适用于论文插图、PDF自动化报表、多维度数据分析看板等对输出稳定性要求严苛的场景,是Matplotlib高阶工程实践的核心

weixin_30825199的博客 442

Python柱状图实战:从绘图函数到数据叙事系统

柱状图(Bar Chart)是数据可视化中最基础却最易误用的图表类型,其核心在于长度编码所承载的数值比较语义。理解matplotlib中bar函数的坐标系机制、X/Y离散与连续性本质、bottom参数的累计逻辑,是避免视觉失真和统计误导的前提。专业应用需兼顾数据伦理(如Y强制归零)、多维编码(颜色映射、误差棒)、工程鲁棒性(字体适配、DPI控制、中文渲染)及业务表达力(分组/堆叠/水平布局)。本文聚焦Python Bar Plot与matplotlib bar在真实分析场景中的决策逻辑与硬核实现,覆盖分

weixin_34152820的博客 457

Matplotlib高阶可视化:10个决定图表专业度的核心控制点

Matplotlib不仅是基础绘图库,更是一个基于约束的排版引擎,其专业表达能力取决于对底层渲染管线、坐标变换系统和Artist对象的深度掌控。理解tick_params与Locator/Formatter协同机制,可实现刻度精度调控;掌握constrained_layout与GridSpec的分层协作,能解决子图重叠与布局失衡;而PathPatch、blitting、OffsetBox等高阶API,则支撑起金融监管图表、学术论文插图等对可信度与细节有严苛要求的真实场景。这些能力共同构成从‘能画’到‘画好’

Ha12312的博客 414

Python可视化验证等腰三角形三线合一:从数学定理到动态仿真

在计算机图形学和数学可视化领域,坐标计算与动态仿真是连接抽象理论与直观理解的核心技术。其原理在于通过编程语言(如Python)精确处理几何实体的坐标变换,将数学定理转化为可交互的图形。这项技术的价值在于为教学、算法验证和科学演示提供了强大的工具,能显著提升学习效率和认知深度。应用场景广泛,包括几何教学、算法动态演示以及物理仿真原型开发。本文以等腰三角形的“三线合一”性质为例,详细展示了如何利用Matplotlib库,通过参数化生成顶点、计算关键点(如中点、垂足),并实现平滑动画,从而动态验证这一经典几何定理

cuiji1279的博客 371

Python数据可视化科技图表绘制系列教程(四)

Python数据可视化科技图表绘制系列教程(四)。

@HNUSTer的博客 793

Python蟒蛇书笔记+自己笔记

1.2 列表 [,] 列表 [] 是有序,可变集合,set {} 是无序集合,索引从0开始。 索引是负数表示从右开始,最右的个索引是-1 、、、 等修改列表方法,返回的都是 。 my_list.sort()原地排序,永久改变,无返回值 sorted(my_list)不改变my_list,有返回值 1.3 元组 tuple (,) 元组是一种不可变的、有序的数据集合。使用小括号 定义,元素用逗号 隔开。 核心对比(列表 vs 元组): 列表 :可变(增删改),速度慢,用于动态数据。 元

异侠 323
上一篇: 单结晶体管的导电特性_单结晶体管的识别与检测
下一篇: vuex清掉数据_使用sessionStorage解决vuex在页面刷新后数据被清除的问题
杨小熠
博客等级 码龄7年 37粉丝 75原创
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值