Python 并排显示和绘图

我试图将并排的numpy数组显示为同一数组的image和seaborn distplot。我提出了以下函数：

def visualize(arr):
    f, (ax1, ax2) = plt.subplots(1, 2, gridspec_kw = {'width_ratios': [1, 3]})

    ax1.imshow(arr)

    flat = arr.flatten()
    x = flat[~np.isnan(flat)]
    sns.distplot(x, ax=ax2)
    plt.show()

产生：

如您所见，图像的高度小于绘图。如何修改我的函数以使绘图和imshow具有相同的高度

我想要图像和绘图的以下位置：

---

解决这个问题的方法有很多。以下所有内容都会给出大致相同的图像

A.减少可用空间 您可以减少可用空间，以便两个打印都约束到相同的垂直边距。这可以通过以下方式完成：

降低体形高度

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(6,2.3), ...)

使用

子批次\u调整
以限制边距

fig.subplots_adjust(top=0.7, bottom=0.3)

B.使用

InsetPosition

您可以使用

mpl\u工具箱、轴网格1、插入定位器、插入位置
来调整第二个轴的坐标，使之与第一个轴的坐标相匹配

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.inset_locator import InsetPosition

def visualize(arr):
    fig, (ax1, ax2) = plt.subplots(1, 2,
                               gridspec_kw = {'width_ratios': [1, 3]})

    ax1.imshow(arr)

    flat = arr.flatten()
    x = flat[~np.isnan(flat)]
    sns.distplot(x, ax=ax2)

    ip = InsetPosition(ax1, [1.5,0,3,1]) 
    ax2.set_axes_locator(ip)

    plt.show()

arr = np.random.randn(200,120)
visualize(arr)

C.使用轴分隔器
您可以仅为图像创建轴，然后使用
mpl\u工具包。轴网格1。使轴可定位
在其旁边创建新轴

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import make_axes_locatable

def visualize(arr):
    fig, ax = plt.subplots()
    divider = make_axes_locatable(ax)
    ax2 = divider.new_horizontal(size="300%", pad=0.5)
    fig.add_axes(ax2)

    ax.imshow(arr)

    flat = arr.flatten()
    x = flat[~np.isnan(flat)]
    sns.distplot(x, ax=ax2)

    plt.show()

arr = np.random.randn(200,120)
visualize(arr)

D.计算所需的纵横比
E.动态复制位置
您可以获取左侧绘图的位置，并将其y坐标复制到右侧子绘图的位置。这是对现有代码的一个很好的附加组件。这一缺陷是必要的，因为后续对地物大小的更改需要重新计算位置

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

def visualize(arr):
    gkw = {'width_ratios':[1, 3] }
    fig, (ax1, ax2) = plt.subplots(1, 2,  gridspec_kw = gkw )

    ax1.imshow(arr)

    flat = arr.flatten()
    x = flat[~np.isnan(flat)]
    sns.distplot(x, ax=ax2)

    def on_resize(evt=None):
        ax1.apply_aspect()
        bb1 = ax1.get_position()
        bb2 = ax2.get_position()
        bb2.y0 = bb1.y0; bb2.y1 = bb1.y1
        ax2.set_position(bb2)

    fig.canvas.mpl_connect("resize_event", on_resize)
    on_resize()

    plt.show()

arr = np.random.randn(200,120)
visualize(arr)

在D中，为什么我们要通过长宽比
x2
ya/xa
？peer两个图的数据限制完全不同，因此您需要考虑它们。
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

def visualize(arr):
    gkw = {'width_ratios':[1, 3] }
    fig, (ax1, ax2) = plt.subplots(1, 2,  gridspec_kw = gkw )

    ax1.imshow(arr)

    flat = arr.flatten()
    x = flat[~np.isnan(flat)]
    sns.distplot(x, ax=ax2)

    def on_resize(evt=None):
        ax1.apply_aspect()
        bb1 = ax1.get_position()
        bb2 = ax2.get_position()
        bb2.y0 = bb1.y0; bb2.y1 = bb1.y1
        ax2.set_position(bb2)

    fig.canvas.mpl_connect("resize_event", on_resize)
    on_resize()

    plt.show()

arr = np.random.randn(200,120)
visualize(arr)