Matplotlib坐标轴缩放：如何放大磁场分量中心区域

你修改figsize没用是因为这个参数只调整画布整体尺寸，不会改变显示的数据范围。要放大中心区域，有两种实用方法：

方法一：直接限制坐标轴范围 #

在每个子图绘制完成后，通过plt.xlim()和plt.ylim()手动设置要显示的中心区域范围。先计算数据的中心坐标，再根据需求截取一定比例的范围：

import numpy as np
import matplotlib.pyplot as plt

# 原有数据生成代码
x, y, z = np.mgrid[xx[0]:xx[-1]:complex(0, nx), yy[0]:yy[-1]:complex(0, ny), zz[0]:zz[-1]:complex(0, nz)]

extent1 = [x.min(), x.max(), z.min(), z.max()]
extent2 = [y.min(), y.max(), z.min(), z.max()]
extent3 = [x.min(), x.max(), y.min(), y.max()]

time_index = 15

plt.figure(figsize=(16, 4))

# x-z平面：添加坐标轴范围限制
plt.subplot(131)
plt.imshow(By_side[:, :, time_index], cmap='plasma', origin='lower', extent=extent1, interpolation='nearest')
plt.colorbar(label='Magnetic field strength')
plt.title('By from the side at t=15 sec.')
plt.xlabel('X')
plt.ylabel('Z')
# 计算中心区域（示例取总范围的20%，可自行调整比例）
x_mid = (x.min() + x.max()) / 2
z_mid = (z.min() + z.max()) / 2
x_display_range = (x.max() - x.min()) * 0.1
z_display_range = (z.max() - z.min()) * 0.1
plt.xlim(x_mid - x_display_range, x_mid + x_display_range)
plt.ylim(z_mid - z_display_range, z_mid + z_display_range)

# y-z平面：同理添加范围限制
plt.subplot(132)
plt.imshow(By_front[:, :, time_index].T, cmap='plasma', origin='lower', extent=extent2)
plt.colorbar(label='Data')
plt.title('By from the front at t=15 sec')
plt.xlabel('Y')
plt.ylabel('Z')
y_mid = (y.min() + y.max()) / 2
z_mid = (z.min() + z.max()) / 2
y_display_range = (y.max() - y.min()) * 0.1
z_display_range = (z.max() - z.min()) * 0.1
plt.xlim(y_mid - y_display_range, y_mid + y_display_range)
plt.ylim(z_mid - z_display_range, z_mid + z_display_range)

# x-y平面：添加范围限制
plt.subplot(133)
plt.imshow(Bz_top[:, :, time_index], cmap='viridis', origin='lower', extent=extent3)
plt.colorbar(label='Data')
plt.title('Bz component from the top at t=15')
plt.xlabel('X')
plt.ylabel('Y')
x_mid = (x.min() + x.max()) / 2
y_mid = (y.min() + y.max()) / 2
x_display_range = (x.max() - x.min()) * 0.1
y_display_range = (y.max() - y.min()) * 0.1
plt.xlim(x_mid - x_display_range, x_mid + x_display_range)
plt.ylim(y_mid - y_display_range, y_mid + y_display_range)

plt.tight_layout()
plt.show()

方法二：截取中心区域的数组再绘图 #

如果数据量较大，先截取数组的中心部分再绘制，既能放大细节，又能减少绘图负载：

import numpy as np
import matplotlib.pyplot as plt

# 原有数据生成代码
x, y, z = np.mgrid[xx[0]:xx[-1]:complex(0, nx), yy[0]:yy[-1]:complex(0, ny), zz[0]:zz[-1]:complex(0, nz)]

time_index = 15

plt.figure(figsize=(16, 4))

# x-z平面：截取中心20%的数组（可调整//10的数值改变比例）
nx, nz, _ = By_side.shape
start_x = nx // 2 - nx // 10
end_x = nx // 2 + nx // 10
start_z = nz // 2 - nz // 10
end_z = nz // 2 + nz // 10
By_side_center = By_side[start_x:end_x, start_z:end_z, time_index]
# 更新对应的extent
extent1_center = [x[start_x, 0, 0], x[end_x-1, 0, 0], z[0, 0, start_z], z[0, 0, end_z]]

plt.subplot(131)
plt.imshow(By_side_center, cmap='plasma', origin='lower', extent=extent1_center, interpolation='nearest')
plt.colorbar(label='Magnetic field strength')
plt.title('By (center) from the side at t=15 sec.')
plt.xlabel('X')
plt.ylabel('Z')

# y-z平面：同理截取中心数组
ny, nz, _ = By_front.shape
start_y = ny // 2 - ny // 10
end_y = ny // 2 + ny // 10
start_z = nz // 2 - nz // 10
end_z = nz // 2 + nz // 10
By_front_center = By_front[start_y:end_y, start_z:end_z, time_index].T
extent2_center = [y[0, start_y, 0], y[0, end_y-1, 0], z[0, 0, start_z], z[0, 0, end_z]]

plt.subplot(132)
plt.imshow(By_front_center, cmap='plasma', origin='lower', extent=extent2_center)
plt.colorbar(label='Data')
plt.title('By (center) from the front at t=15 sec')
plt.xlabel('Y')
plt.ylabel('Z')

# x-y平面：截取中心数组
nx, ny, _ = Bz_top.shape
start_x = nx // 2 - nx // 10
end_x = nx // 2 + nx // 10
start_y = ny // 2 - ny // 10
end_y = ny // 2 + ny // 10
Bz_top_center = Bz_top[start_x:end_x, start_y:end_y, time_index]
extent3_center = [x[start_x, 0, 0], x[end_x-1, 0, 0], y[0, start_y, 0], y[0, end_y-1, 0]]

plt.subplot(133)
plt.imshow(Bz_top_center, cmap='viridis', origin='lower', extent=extent3_center)
plt.colorbar(label='Data')
plt.title('Bz (center) component from the top at t=15')
plt.xlabel('X')
plt.ylabel('Y')

plt.tight_layout()
plt.show()

两种方法对比 #

• 方法一操作简单，无需修改原始数组，适合快速调整显示范围；
• 方法二只绘制中心区域数据，细节显示更清晰，同时降低内存占用，适合大数据量场景。

内容的提问来源于stack exchange，提问作者Stef Athan