Matplotlib 的 autoscale_view() 默认不区分图元可见性，需手动计算所有可见线条的坐标极值来重设坐标轴范围。本文提供完整解决方案，包含代码实现、关键逻辑说明与边界处理。

matplotlib 的 `autoscale_view()` 默认不区分图元可见性，需手动计算所有可见线条的坐标极值来重设坐标轴范围。本文提供完整解决方案，包含代码实现、关键逻辑说明与边界处理。

在交互式绘图中，常需通过图例控制线条显隐，并同步更新坐标轴范围以聚焦当前可见内容。但 ax.relim() + ax.autoscale_view() 组合不会自动忽略不可见艺术家（Artist）——它仍会基于所有已添加（无论是否 visible）的线条数据重新计算 limits，导致缩放失效。

正确做法是：在切换可见性后，显式筛选出 get_visible() == True 的线条，提取其 X/Y 数据极值，再调用 ax.set_xlim() 和 ax.set_ylim() 进行精准重设。

以下是核心逻辑的优化实现（整合进原脚本）：

python matplotlib画图 中文WORD版

Matplotlib.pyplot是用来画图的方法，类似于matlab中plot命令，用法基本相同。本文档主要讲述的是python matplotlib画图；感兴趣的朋友可以过来看看

下载

def on_pick(event):
    legend_line = event.artist
    ax_line = map_legend_to_ax[legend_line]
    visible = not ax_line.get_visible()
    ax_line.set_visible(visible)
    legend_line.set_alpha(1.0 if visible else 0.2)

    # ✅ 关键步骤：仅对当前可见线条计算坐标范围
    visible_lines = [line for line in lines if line.get_visible()]

    if visible_lines:
        # 合并所有可见线条的 x/y 数据，取全局极值
        all_x = np.concatenate([line.get_xdata() for line in visible_lines])
        all_y = np.concatenate([line.get_ydata() for line in visible_lines])

        ax.set_xlim(all_x.min(), all_x.max())
        ax.set_ylim(all_y.min(), all_y.max())
    else:
        # ⚠️ 边界情况：无可见线条时，设置合理默认范围（避免空数据报错）
        ax.set_xlim(0, 1)
        ax.set_ylim(0, 1)

    fig.canvas.draw()

注意事项：

• np.concatenate() 比嵌套 min(max(...)) 更健壮，可避免空数组或单点数据引发的 ValueError；
• 若线条含 NaN 或无限值，建议预处理：all_x = all_x[np.isfinite(all_x)]；
• 对于含 fill_between、scatter 等非 Line2D 艺术家，需扩展 visible_lines 判定逻辑（如 isinstance(line, (Line2D, PathCollection, Patch))）；
• 如需保留一定边距，可在 set_xlim/ylim 后调用 ax.margins(0.05)。

该方案彻底解耦了可见性判断与坐标计算，确保每次点击图例后，视图始终紧密贴合当前活跃数据，兼顾鲁棒性与可维护性，是构建专业交互式可视化仪表盘的关键实践。