概述

在 matplotlib 绘图时，往往需要对坐标轴进行设置，默认情况下，每一个绘图的最后都会调用 plt.autoscale() 方法，这个方法的底层是 gca().autoscale(enable=enable, axis=axis, tight=tight)，本质是调用当前 Axes 对象的实例方法，将坐标轴视图缩放到数据尺度，也就是刚好可以让所有的数据点都在一个图中显示。很显然这是一个非常快速、方便的方法，但是也会有很大的问题，如果数据中有一个非常夸张的异常点，则 matplotlib 会为了显示那个异常点而压缩整体图像，这会导致绘图效果不理想。以绘制余弦函数为例，关闭自动调整之后绘图效果如下：

可以看到两个轴的范围都被设置为 $[0,1]$ ，这是因为如果自动调整函数被关闭 matplotlib 会使用 plt.axis() 方法的返回值作为坐标轴的范围，而该方法的默认值就是 $[0,1]$ 。

print(plt.axis()) # (0.0, 1.0, 0.0, 1.0)

如果我们传递 plt.axis([0, 2 * np.pi, -1, 1])，绘图效果如下：

除了传递 [xmin, xmax, ymin, ymax]，该方法还可以传递一个字符串，例如 plt.axis("equal")，该参数表示绘图的横纵轴具有相同的比例和范围。其绘图效果如下：

plt.axis() 方法针对的是所有坐标轴，如果想要单独设置某一个坐标轴的显示范围，需要使用 plt.xlim() 或者 plt.ylim() 方法。切记一点，使用这种方式设置了一个坐标轴的范围，那么另一个坐标轴就会采用 plt.axis() 方法的返回值设置显示范围。还是以余弦函数为例，添加如下语句：

plt.xlim(xmin=0, xmax=2*np.pi)  
plt.ylim([-1, 1])

画图效果如下：

总结

综上所述，绘图调整显示范围的最佳步骤如下：

1. 使用 plt.autoscale(True) 方法观察整体数据是否具有异常点；
2. 如果没有异常点，看一下画图是否需要有特殊的显示模式（范围相等显示、紧凑显示等），如果有调用 plt.axis() 方法进行设置；
3. 如果有异常点，在开启自动调整的情况下使用 plt.xlim() 或者 plt.ylim() 进行微调；
4. 如果不想使用自动调整，也可以直接使用 plt.axis([xmin, xmax, ymin, ymax]) 手动指定所有坐标轴的显示范围；

最后提醒一点，调用 plt.xlim() 的底层是 gca().set_xlim()，如果绘图中有多个 Axes 对象，建议使用显式 API，即使用面向对象的方法，而不是 pyplot 快捷方法。

往期回顾

1. 【matplotlib】可视化解决方案——如何正确理解pyplot和OO-API
2. 【matplotlib】可视化解决方案——如何正确展示和保存图像
3. 【matplotlib】可视化解决方案——如何设置字符串的输出字体效果
4. 【matplotlib】可视化解决方案——如何正确使用颜色映射表
5. 【matplotlib】可视化解决方案——如何调整轴脊位置
6. 【matplotlib】可视化解决方案——如何设置坐标系计量方法
7. 【matplotlib】可视化解决方案——如何正确使用文本注释
8. 【matplotlib】可视化解决方案——如何调整计量单位和计量方法
9. 【matplotlib】可视化解决方案——如何实现图形的动画效果
10. 【matplotlib】可视化解决方案——如何正确使用plot方法

文中难免会出现一些描述不当之处（尽管我已反复检查多次），欢迎在留言区指正，相关的知识点也可进行分享，希望大家都能有所收获！！如果觉得我的文章写得还行，不妨支持一下。你的每一个转发、关注、点赞、评论都是对我最大的支持！