在轴坐标中查找matplotlib图（包括ticklabels）的范围

时间：2017-01-04 11:27:17

标签： python matplotlib

我需要在轴坐标中找到包括其相关艺术家（在这种情况下只是刻度和刻度标签）的绘图范围（如matplotlib transformations tutorial中所定义）。

这样做的背景是我会自动为大量图表创建缩略图（如this SO question中所示），只有当我可以定位缩略图时才会使原始图中的数据模糊不清。

这是我目前的做法：

  1. 创建一些候选矩形进行测试，从原始绘图的右上角开始向左工作，然后在原始绘图的右下角向左移动。
  2. 对于每个候选矩形：
    1. 使用this SO question中的代码将rect的左右手侧（轴坐标）转换为数据坐标，找到矩形将覆盖的x数据切片。
    2. 查找矩形所涵盖的数据切片的最小/最大y值。
    3. 在数据坐标中找到矩形的顶部和底部。
    4. 使用上述方法，确定矩形是否与任何数据重叠。如果没有，请在当前矩形中绘制缩略图，否则继续。

    3. 这种方法的问题在于轴坐标为您提供从(0,0)（轴的左下角）到(1,1)（右上角）的轴的范围，并且不包括刻度线和ticklabels（缩略图没有标题，轴标签，图例或其他艺术家）。

    所有图表都使用相同的字体大小，但图表上有不同长度的刻度标签（例如1.5或1.2345 * 10^6），尽管这些在绘制插图之前是已知的。有没有办法将字体大小/点转换为轴坐标？或者，也许有一个比上面的更好的方法（边界框？）。

    以下代码实现了上述算法：

    import math

from matplotlib import pyplot, rcParams
rcParams['xtick.direction'] = 'out'
rcParams['ytick.direction'] = 'out'

INSET_DEFAULT_WIDTH = 0.35
INSET_DEFAULT_HEIGHT = 0.25
INSET_PADDING = 0.05
INSET_TICK_FONTSIZE = 8


def axis_data_transform(axis, xin, yin, inverse=False):
    """Translate between axis and data coordinates.
    If 'inverse' is True, data coordinates are translated to axis coordinates,
    otherwise the transformation is reversed.
    Code by Covich, from: https://stackoverflow.com/questions/29107800/
    """
    xlim, ylim = axis.get_xlim(), axis.get_ylim()
    xdelta, ydelta = xlim[1] - xlim[0], ylim[1] - ylim[0]
    if not inverse:
        xout, yout = xlim[0] + xin * xdelta, ylim[0] + yin * ydelta
    else:
        xdelta2, ydelta2 = xin - xlim[0], yin - ylim[0]
        xout, yout = xdelta2 / xdelta, ydelta2 / ydelta
    return xout, yout


def add_inset_to_axis(fig, axis, rect):
    left, bottom, width, height = rect
    def transform(coord):
        return fig.transFigure.inverted().transform(
            axis.transAxes.transform(coord))
    fig_left, fig_bottom = transform((left, bottom))
    fig_width, fig_height = transform([width, height]) - transform([0, 0])
    return fig.add_axes([fig_left, fig_bottom, fig_width, fig_height])


def collide_rect((left, bottom, width, height), fig, axis, data):
    # Find the values on the x-axis of left and right edges of the rect.
    x_left_float, _ = axis_data_transform(axis, left, 0, inverse=False)
    x_right_float, _ = axis_data_transform(axis, left + width, 0, inverse=False)
    x_left = int(math.floor(x_left_float))
    x_right = int(math.ceil(x_right_float))
    # Find the highest and lowest y-value in that segment of data.
    minimum_y = min(data[int(x_left):int(x_right)])
    maximum_y = max(data[int(x_left):int(x_right)])
    # Convert the bottom and top of the rect to data coordinates.
    _, inset_top = axis_data_transform(axis, 0, bottom + height, inverse=False)
    _, inset_bottom = axis_data_transform(axis, 0, bottom, inverse=False)
    # Detect collision.
    if ((bottom > 0.5 and maximum_y > inset_bottom) or  # inset at top of chart
           (bottom < 0.5 and minimum_y < inset_top)):   # inset at bottom
        return True
    return False


if __name__ == '__main__':
    x_data, y_data = range(0, 100), [-1.0] * 50 + [1.0] * 50  # Square wave.
    y_min, y_max = min(y_data), max(y_data)
    fig = pyplot.figure()
    axis = fig.add_subplot(111)
    axis.set_ylim(y_min - 0.1, y_max + 0.1)
    axis.plot(x_data, y_data)
    # Find a rectangle that does not collide with data. Start top-right
    # and work left, then try bottom-right and work left.
    inset_collides = False
    left_offsets = [x / 10.0 for x in xrange(6)] * 2
    bottom_values = (([1.0 - INSET_DEFAULT_HEIGHT - INSET_PADDING] * (len(left_offsets) / 2))
                     + ([INSET_PADDING * 2] * (len(left_offsets) / 2)))
    for left_offset, bottom in zip(left_offsets, bottom_values):
        # rect: (left, bottom, width, height)
        rect = (1.0 - INSET_DEFAULT_WIDTH - left_offset - INSET_PADDING,
                bottom, INSET_DEFAULT_WIDTH, INSET_DEFAULT_HEIGHT)
        inset_collides = collide_rect(rect, fig, axis, y_data)
        print 'TRYING:', rect, 'RESULT:', inset_collides
        if not inset_collides:
            break
    if not inset_collides:
        inset = add_inset_to_axis(fig, axis, rect)
        inset.set_ylim(axis.get_ylim())
        inset.set_yticks([y_min, y_min + ((y_max - y_min) / 2.0), y_max])
        inset.xaxis.set_tick_params(labelsize=INSET_TICK_FONTSIZE)
        inset.yaxis.set_tick_params(labelsize=INSET_TICK_FONTSIZE)
        inset_xlimit = (0, int(len(y_data) / 100.0 * 2.5)) # First 2.5% of data.
        inset.set_xlim(inset_xlimit[0], inset_xlimit[1], auto=False)
        inset.plot(x_data[inset_xlimit[0]:inset_xlimit[1] + 1],
                   y_data[inset_xlimit[0]:inset_xlimit[1] + 1])
    fig.savefig('so_example.png')

    这个的输出是：

    TRYING: (0.6, 0.7, 0.35, 0.25) RESULT: True
TRYING: (0.5, 0.7, 0.35, 0.25) RESULT: True
TRYING: (0.4, 0.7, 0.35, 0.25) RESULT: True
TRYING: (0.30000000000000004, 0.7, 0.35, 0.25) RESULT: True
TRYING: (0.2, 0.7, 0.35, 0.25) RESULT: True
TRYING: (0.10000000000000002, 0.7, 0.35, 0.25) RESULT: False

    script output

1 个答案:

答案 0 :(得分：4)

我的解决方案似乎没有检测到刻度线，但确实会处理刻度标签，轴标签和图标题。希望它足够了，因为固定的垫值应该可以用来计算刻度线。

使用axes.get_tightbbox获取适合包含标签的轴的矩形。 

from matplotlib import tight_layout
renderer = tight_layout.get_renderer(fig)
inset_tight_bbox = inset.get_tightbbox(renderer)

原始矩形设置轴bbox inset.bbox。找到这两个bbox中轴坐标的矩形：

inv_transform = axis.transAxes.inverted() 

xmin, ymin = inv_transform.transform(inset.bbox.min)
xmin_tight, ymin_tight = inv_transform.transform(inset_tight_bbox.min) 

xmax, ymax = inv_transform.transform(inset.bbox.max)
xmax_tight, ymax_tight = inv_transform.transform(inset_tight_bbox.max)

现在为轴本身计算一个新的矩形，这样外部紧密的bbox的大小将减小到旧的轴bbox：

xmin_new = xmin + (xmin - xmin_tight)
ymin_new = ymin + (ymin - ymin_tight)
xmax_new = xmax - (xmax_tight - xmax)
ymax_new = ymax - (ymax_tight - ymax)

现在，只需切换回图形坐标并重新定位插入轴：

[x_fig,y_fig] = axis_to_figure_transform([xmin_new, ymin_new])
[x2_fig,y2_fig] = axis_to_figure_transform([xmax_new, ymax_new])

inset.set_position ([x_fig, y_fig, x2_fig - x_fig, y2_fig - y_fig])

函数axis_to_figure_transform基于transform的{​​{1}}函数：

add_inset_to_axis

注意：这不适用于def axis_to_figure_transform(coord, axis): return fig.transFigure.inverted().transform( axis.transAxes.transform(coord)) ，至少在我的系统上是这样; fig.show()会导致错误。但是，如果您仅使用tight_layout.get_renderer(fig)而不是以交互方式显示绘图，则它可以正常工作。

最后，通过我的更改和补充，这里是您的完整代码：

savefig()
相关问题
最新问题