如何在matplotlib中绘制一端与曲线精准匹配的垂直/水平线

你遇到的问题是因为plt.axvline的xmin/xmax、ymin/ymax参数使用的是坐标轴归一化比例（取值范围0~1，对应坐标轴从左到右/从下到上的比例），不是实际的数据坐标，因此无法直接和曲线的数据值对齐。

推荐两种实现方案：

这两个方法的位置、端点参数都使用实际数据坐标，不需要额外转换，直接匹配曲线的数值即可：

import numpy as np
import matplotlib.pyplot as plt

# 示例曲线数据，替换为你自己的曲线x、y数组即可
x = np.linspace(0, 10, 200)
y = np.cos(x) + 3
plt.plot(x, y, c='blue', label='目标曲线')

# 1. 绘制对齐到曲线的垂直线
target_x = 4
# 计算目标x对应曲线上的y值，x不在原始数据点内的话用线性插值获取
target_y_on_curve = np.interp(target_x, x, y)
# 画垂直线，从y=0开始，到曲线交点结束
plt.vlines(x=target_x, ymin=0, ymax=target_y_on_curve, color='red', linestyle='--')

# 2. 绘制对齐到曲线的水平线
target_y = 3.2
# 计算目标y对应曲线上的x值，若曲线非单调请先截取目标区间的x、y数据再插值
target_x_on_curve = np.interp(target_y, y, x)
# 画水平线，从x=0开始，到曲线交点结束
plt.hlines(y=target_y, xmin=0, xmax=target_x_on_curve, color='green', linestyle='--')

plt.legend()
plt.show()

如果必须用axvline系列方法，可以先把曲线交点的数据坐标转换为坐标轴归一化比例，再传入参数：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 200)
y = np.cos(x) + 3

fig, ax = plt.subplots()
ax.plot(x, y, c='blue', label='目标曲线')

# 要画垂直线的x位置
target_x = 4
target_y_on_curve = np.interp(target_x, x, y)
# 将数据坐标转换为坐标轴归一化坐标，取y轴的比例值
_, norm_ymax = ax.transAxes.inverted().transform(ax.transData.transform((target_x, target_y_on_curve)))
# 传入归一化后的ymax参数
ax.axvline(x=target_x, ymin=0, ymax=norm_ymax, color='red', linestyle='--')

plt.legend()
plt.show()

注意事项 #

• 如果目标曲线非单调，插值时不要直接传入全量y数组，先截取你需要对齐的那段单调区间的x、y数据再计算，避免取到错误的交点。
• 无特殊需求优先选择方案1，无需处理坐标转换逻辑，出错概率更低。

内容的提问来源于stack exchange，提问作者LunarEclipse