使用转换在Matpotlib中创建瀑布/堆积线图

Question

我正在尝试绘制一系列波形，以使它们沿y轴均匀分布。我相信matplotlib.transforms是必经之路。使用此代码，我需要一些基本的工作：

import matplotlib.transforms
import matplotlib as mp
import numpy as np
import pylab as pl
%matplotlib inline

ax = pl.gca()
n_levels = 10
t = np.arange(1000)/1000

offset_step = 1/(n_levels + 1)
for i in range(n_levels):
    offset = offset_step * (i + 1)
    o = mp.transforms.ScaledTranslation(0, offset, ax.transAxes)
    trans = mp.transforms.blended_transform_factory(ax.transData, ax.transData + o)
    y = np.sin(t*2*np.pi*10*i)
    p, = ax.plot(t, y, 'k-', transform=trans)

ax.axis(ymin=0, ymax=25)

这将创建以下图。

即使以轴坐标为单位的实际偏移量为0.09 0.18 ... 0.82 0.91，这些线也显然不会出现在这些精确偏移量处！我在做什么错了？

编辑：要回答一些有关为什么我不能只在数据空间中应用偏移而不是使用变换的问题。这是我需要做的更复杂的变换的一种简单形式，我希望能够缩放单个行的幅度而不必调整y轴限制。为此，实际的y转换为：

boxin = mp.transforms.Bbox([[0, 0], [1, 1]])
boxout = mp.transforms.Bbox([[0, 0], [1, 1]])
y_trans = mp.transforms.BboxTransform(boxin, boxout) + \
    axes.transData + \
    mp.transforms.ScaledTranslation(0, offset_step * (i + 1), axes.transAxes)

然后，在我的交互式应用程序中，我可以使用以下命令修改每个单独波形的缩放比例：

scale = 2
box = np.array([[0, 0], [scale, scale]])
boxout.set_points(box)
figure.canvas.redraw()

效果很好。但是，对于n_levels的不同选择，我需要在生成图时首先调整ymin和ymax，以确保线沿y轴相等隔开。理想的结果是：

Answer 1

由于这里显然不关心y轴比例，因此您可以逐步遵循变换链

1. 从围绕数据的虚拟框开始，在这种情况下为[-1,1]。
2. 转换为单位正方形
3. 转换为高度为offset_step的虚拟盒子。
4. 通过i*offset_step翻译此框（可能在底部添加一些空间）
5. 添加轴变换（因为所有这些操作均发生在轴坐标中）

完整示例：

import matplotlib.transforms as mtrans
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt

ax = plt.gca()
n_levels = 10
t = np.arange(1000)/1000
T = t*2*np.pi*10

offset_step = 1/(n_levels+1)
space = 1.25 # set to 1 to have no space between lines

# Transform from a virtual box around the sine (-1 .. 1 in y direction)
tfrom = mtrans.BboxTransformFrom(mtrans.Bbox([[0, -1*space],[1, 1*space]]))
# Transform to a box (0 .. offset_step)
tto = mtrans.BboxTransformTo(mtrans.Bbox([[0, 0],[1,offset_step]]))


for i in range(n_levels):
    # offset = steps + half the remainder to full axes
    offset = offset_step * i + (1-n_levels*offset_step)/2.
    # Translate by offset
    translate = mtrans.Affine2D().translate(0,offset)
    # chain all transforms
    y_trans = tfrom + tto + translate + ax.transAxes
    trans = mpl.transforms.blended_transform_factory(ax.transData, y_trans)
    # plot
    p, = ax.plot(t, np.sin(T*i), transform=trans)

plt.show()

Answer 2

问题是transData已经合并了transAxes，所以当我创建缩放转换时，我被transAxes转换了两次。诀窍是将y转换设置为transLimits + transScale +缩放转换：

import matplotlib.transforms
import matplotlib as mp
import numpy as np
import pylab as pl
%matplotlib inline

ax = pl.gca()
n_levels = 10
t = np.arange(1000)/1000

offset_step = 1/(n_levels + 1)
for i in range(n_levels):
    offset = offset_step * (i + 1)
    o = mp.transforms.ScaledTranslation(0, offset, ax.transAxes)
    y_trans = ax.transLimits + ax.transScale + o
    trans = mp.transforms.blended_transform_factory(ax.transData, y_trans)
    y = np.sin(t*2*np.pi*10*i)
    p, = ax.plot(t, y, 'k-', transform=trans)

这将生成：

这正是我想要的。