如何在Matplotlib子图中让1:1参考线居中且保留独立轴限？

我创建了一个2x2的Matplotlib子图网格，每个子图包含不同数据点的散点图。我尝试在每个子图中绘制斜率为1、截距为0的abline（1:1参考线）以可视化数据关系，但因各子图数据范围不同，参考线无法在所有子图中保持1:1居中。

我希望在保留每个子图基于自身数据的独立轴限的前提下，让参考线在每个子图中居中，即参考线穿过子图数据点的中心且不扭曲数据。

当前代码如下：

timesteps = [185, 159, 53, 2]

def abline(ax, slope, intercept):
    """Plot a line from slope and intercept"""
    x_vals = np.array(ax.get_xlim())
    y_vals = intercept + slope * x_vals
    ax.plot(x_vals, y_vals, 'r--')

fig, axs = plt.subplots(2, 2, figsize=(12, 8))

for i, timestep in enumerate(timesteps):
    mask = np.where(nan_mask[timestep, :, :] == 0)
    data_tmwm_values = data_tmwm[timestep, :, :][mask]
    ds_plot_values = ds_og_red[timestep, :, :][mask]

    row = i // 2  # Integer division to get the row index
    col = i % 2  # Modulo operation to get the column index
    
    ax = axs[row, col]
    ax.scatter(data_tmwm_values, ds_plot_values, s=20)
    ax.set_xlabel('TMWM')
    ax.set_ylabel('Original')
    ax.set_title(f'Scatter Plot (Timestep: {timestep})')

    correlation_matrix = np.corrcoef(data_tmwm_values, ds_plot_values)
    r_value = correlation_matrix[0, 1]

    r_squared = r_value ** 2
    abline(ax, 1, 0)
    ax.text(0.05, 0.95, f"R² value: {r_squared:.3f}", transform=ax.transAxes, ha='left', va='top')

plt.tight_layout()
plt.show()

当前效果：

我已尝试使用get_xlim()和get_ylim()函数设置轴限，但未能实现参考线的正确居中，恳请指导如何达成需求。

问题核心在于：当前参考线基于子图自动生成的轴限绘制，当x、y轴范围不一致时，1:1线会视觉上偏移。要解决这个问题，需让每个子图的x、y轴采用相同的轴限范围（覆盖当前子图所有数据），这样1:1线就能自然居中，且不扭曲数据展示。

具体修改步骤 #

1. 统一每个子图的x、y轴限
   在绘制散点图后，计算当前子图所有数据的极值，将x、y轴范围设置为该极值区间，确保轴范围一致：

   # 在ax.scatter(...)之后添加
   all_data = np.concatenate([data_tmwm_values, ds_plot_values])
   data_min = all_data.min()
   data_max = all_data.max()
   # 设置x、y轴范围完全一致
   ax.set_xlim(data_min, data_max)
   ax.set_ylim(data_min, data_max)
   

2. 优化abline函数（可选）
   让参考线覆盖整个轴范围，避免因轴限调整后线的长度不足：

   def abline(ax, slope, intercept):
       """Plot a 1:1 line covering the full axis range"""
       plot_min, plot_max = ax.get_xlim()
       x_vals = np.array([plot_min, plot_max])
       y_vals = intercept + slope * x_vals
       ax.plot(x_vals, y_vals, 'r--')
   

3. 完整修改后的代码

   import numpy as np
   import matplotlib.pyplot as plt
   
   timesteps = [185, 159, 53, 2]
   
   def abline(ax, slope, intercept):
       """Plot a 1:1 line covering the full axis range"""
       plot_min, plot_max = ax.get_xlim()
       x_vals = np.array([plot_min, plot_max])
       y_vals = intercept + slope * x_vals
       ax.plot(x_vals, y_vals, 'r--')
   
   fig, axs = plt.subplots(2, 2, figsize=(12, 8))
   
   for i, timestep in enumerate(timesteps):
       mask = np.where(nan_mask[timestep, :, :] == 0)
       data_tmwm_values = data_tmwm[timestep, :, :][mask]
       ds_plot_values = ds_og_red[timestep, :, :][mask]
   
       row = i // 2
       col = i % 2
       
       ax = axs[row, col]
       ax.scatter(data_tmwm_values, ds_plot_values, s=20)
       ax.set_xlabel('TMWM')
       ax.set_ylabel('Original')
       ax.set_title(f'Scatter Plot (Timestep: {timestep})')
   
       # 统一x、y轴范围为当前子图数据的极值
       all_data = np.concatenate([data_tmwm_values, ds_plot_values])
       data_min = all_data.min()
       data_max = all_data.max()
       ax.set_xlim(data_min, data_max)
       ax.set_ylim(data_min, data_max)
   
       correlation_matrix = np.corrcoef(data_tmwm_values, ds_plot_values)
       r_value = correlation_matrix[0, 1]
       r_squared = r_value ** 2
       
       abline(ax, 1, 0)
       ax.text(0.05, 0.95, f"R² value: {r_squared:.3f}", transform=ax.transAxes, ha='left', va='top')
   
   plt.tight_layout()
   plt.show()
   

4. 额外优化（可选）
   如果想让数据点和轴边缘留有间隙，可添加padding：

   padding = (data_max - data_min) * 0.05
   ax.set_xlim(data_min - padding, data_max + padding)
   ax.set_ylim(data_min - padding, data_max + padding)
   

修改后，每个子图的x、y轴范围完全匹配，1:1参考线会穿过数据中心且视觉居中，同时每个子图保留自身数据的独立轴限，不会互相干扰。

内容的提问来源于stack exchange，提问作者LouiT