### Python 中根据两个数据集自动调整图表纵坐标的实现 为了确保不同数据集在同一张图表中的可读性和准确性，可以利用 `matplotlib` 和 `pandas` 库来动态设置 y 轴范围。通过计算两个数据集中最大值和最小值之间的差异并适当扩展这些边界，可以使图形更加清晰。 下面是一个具体的实例： ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt # 创建示例数据框 np.random.seed(0) df1 = pd.DataFrame({'values': np.random.randn(10)}) df2 = pd.DataFrame({'values': np.random.rand(10)*5}) def plot_with_auto_yaxis(df_list, labels=None): """ 绘制多个DataFrame的数据，并自动调整y轴刻度 参数: df_list : list of DataFrames 待绘制的数据列表 labels : list or None 各个数据系列对应的标签名称，默认为None表示不添加图例 返回: fig, ax : Matplotlib figure and axes objects. 可用于进一步自定义绘图外观。 """ # 计算所有数据的最大最小值 min_val = min([min(d['values']) for d in df_list]) max_val = max([max(d['values']) for d in df_list]) margin = (max_val - min_val) * 0.1 # 设置上下边距比例 ymin = min_val - margin # 下限 ymax = max_val + margin # 上限 fig, ax = plt.subplots() colors = ['b', 'r'] # 定义颜色方案 for i, df in enumerate(df_list): ax.plot(df.index, df.values, label=labels[i], color=colors[i%len(colors)]) ax.set_ylim(ymin, ymax) if labels is not None: ax.legend() return fig, ax fig, ax = plot_with_auto_yaxis([df1, df2], ["Dataset 1", "Dataset 2"]) plt.xlabel('Index') plt.ylabel('Values') plt.title('Plot with Auto-adjusted Y-axis Based on Two Datasets') plt.show() ``` 此代码片段展示了如何创建一个函数 `plot_with_auto_yaxis()` 来接收任意数量的数据帧作为输入参数，并基于它们的内容自动设定合适的 y 轴界限[^2]。该方法首先找到所有传入数据集合中数值的全局极值点，接着应用一定的边际增加量以防止任何曲线触及到边缘区域，从而提高了可视化的质量[^3]。