Python 重叠极坐标和散点图

由于这非常有用，我终于想出了如何制作一个极坐标填充的等高线图。然而，当我进入下一步并试图在同一个图中添加分散点时，我遇到了一些问题。以下是原始脚本：

将numpy导入为np
将matplotlib.pyplot作为plt导入
#--生成数据-----------------------------------------
#使用linspace以便包含360的端点。。。
方位角=np弧度（np邻域（0，360，20））
天顶=np.arange（0,70,10）
r、 θ=np网格（天顶、方位角）
值=np.random.random（（方位角大小、天顶大小））
#--情节------------------------------------------------
图，ax=plt.子批次（子批次_kw=dict（投影=极坐标））
最大轮廓f（θ、r、值）
plt.show（）

这张照片是由谁拍摄的：

如果我还添加散点图：

#--绘图------------------------------------------------
图，ax=plt.子批次（子批次_kw=dict（投影=极坐标））
最大轮廓f（θ、r、值）
最大散射（np弧度（140），40，s=20，c='白色'）

我得到的是这样的图像：

为什么在填充的轮廓和轴之间有厚厚的白色边界？我怎样才能摆脱它

---

多谢各位

Ops，对不起，在a问了我的问题两分钟后，我想到了答案。我刚刚意识到添加散点图会以某种方式改变轴的限制。将轴强制到所需的间隔可以解决问题

fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))
ax.contourf(theta, r, values)
ax.scatter([np.radians(140)], [40], s=20, c='White')
ax.set_rmax(60)
ax.set_rmin(0)

---

我想我可以把这个问题留着不管怎样，它仍然可以对其他用户有所帮助。

+1发生的事情是，

ax.scatter

使用“松散”自动缩放（即，它选择偶数作为轴限制），而

ax.contourf

使用“紧密”自动缩放（即，它严格使用数据限制）。您可以在调用

contourf

之后和调用

scatter

之前调用

ax.autoscale（False）

，而不是手动设置限制。