График рассеивания Matplotlib - Удалите белую прокладку

Я работаю с matplotlib для построения переменной в широтных координатах долготы. Проблема в том, что этот образ не может включать в себя оси или границы. Я смог удалить ось, но белая прокладка вокруг моего изображения должна быть полностью удалена (см. Примеры изображений из кода ниже: http://imgur.com/a/W0vy9).

Я попробовал несколько методов поиска Google, включая эти методы StackOverflow:

Удалить прописку из графика matplotlib

Как удалить дополнение/границу в подзаголовок matplotlib (SOLVED)

Графы Matplotlib: удаление оси, легенд и пробелов

но ничего не удавалось устранить пробел. Если у вас есть какие-либо советы (даже если это нужно, чтобы вырезать matplotlib и попробовать другую библиотеку построения), я был бы признателен!

Вот базовая форма используемого кода, которая показывает это поведение:

import numpy as np
import matplotlib
from mpl_toolkits.basemap import Basemap
from scipy import stats

lat = np.random.randint(-60.5, high=60.5, size=257087)
lon = np.random.randint(-179.95, high=180, size=257087)
maxnsz =  np.random.randint(12, 60, size=257087)

percRange = np.arange(100,40,-1)
percStr=percRange.astype(str)
val_percentile=np.percentile(maxnsz, percRange, interpolation='nearest')  

#Rank all values
all_percentiles=stats.rankdata(maxnsz)/len(maxnsz)
#Figure setup
fig = matplotlib.pyplot.figure(frameon=False, dpi=600)
#Basemap code can go here

x=lon
y=lat

cmap = matplotlib.cm.get_cmap('cool')


h=np.where(all_percentiles >= 0.999)
hl=np.where((all_percentiles < 0.999) & (all_percentiles > 0.90))
mh=np.where((all_percentiles > 0.75) & (all_percentiles < 0.90))
ml=np.where((all_percentiles >= 0.4) & (all_percentiles < 0.75))
l=np.where(all_percentiles < 0.4)

all_percentiles[h]=0
all_percentiles[hl]=0.25
all_percentiles[mh]=0.5
all_percentiles[ml]=0.75
all_percentiles[l]=1

rgba_low=cmap(1)
rgba_ml=cmap(0.75)
rgba_mh=cmap(0.51)
rgba_hl=cmap(0.25)
rgba_high=cmap(0)

matplotlib.pyplot.axis('off')

matplotlib.pyplot.scatter(x[ml],y[ml], c=rgba_ml, s=3, marker=',',edgecolor='none', alpha=0.4)
matplotlib.pyplot.scatter(x[mh],y[mh], c=rgba_mh, s=3,     marker='o', edgecolor='none', alpha=0.5)
matplotlib.pyplot.scatter(x[hl],y[hl], c=rgba_hl, s=4, marker='*',edgecolor='none', alpha=0.6)
matplotlib.pyplot.scatter(x[h],y[h], c=rgba_high, s=5, marker='^', edgecolor='none',alpha=0.75)

fig.savefig('/home/usr/code/python/testfig.jpg', bbox_inches=0, nbins=0, transparent="True", pad_inches=0.0)
fig.canvas.draw()
4b9b3361

Проблема заключается в том, что все решения, заданные в графиках Matplotlib: удаление оси, легенд и пробелов, фактически предназначены для работы с imshow.

Итак, следующее ясно работает

import matplotlib.pyplot as plt

fig = plt.figure()
ax=fig.add_axes([0,0,1,1])
ax.set_axis_off()

im = ax.imshow([[2,3,4,1], [2,4,4,2]], origin="lower", extent=[1,4,2,8])
ax.plot([1,2,3,4], [2,3,4,8], lw=5)

ax.set_aspect('auto')
plt.show()

и производит

введите описание изображения здесь

Но здесь вы используете scatter. Добавление графика рассеяния

import matplotlib.pyplot as plt

fig = plt.figure()
ax=fig.add_axes([0,0,1,1])
ax.set_axis_off()


im = ax.imshow([[2,3,4,1], [2,4,4,2]], origin="lower", extent=[1,4,2,8])
ax.plot([1,2,3,4], [2,3,4,8], lw=5)

ax.scatter([2,3,4,1], [2,3,4,8], c="r", s=2500)

ax.set_aspect('auto')
plt.show()

производит

введите описание изображения здесь

scatter имеет особенность, что matplotlib пытается сделать все точки видимыми по умолчанию, а это значит, что ограничения по осям установлены таким образом, чтобы все точки рассеивания были видны в целом.

Чтобы преодолеть это, нам нужно конкретно установить пределы осей:

import matplotlib.pyplot as plt

fig = plt.figure()
ax=fig.add_axes([0,0,1,1])
ax.set_axis_off()

im = ax.imshow([[2,3,4,1], [2,4,4,2]], origin="lower", extent=[1,4,2,8])
ax.plot([1,2,3,4], [2,3,4,8], lw=5)

ax.scatter([2,3,4,1], [2,3,4,8], c="r", s=2500)

ax.set_xlim([1,4])
ax.set_ylim([2,8])

ax.set_aspect('auto')
plt.show()

так что мы получим желаемое поведение.

введите описание изображения здесь

2
ответ дан 21 нояб. '16 в 22:19
источник