根据 Matplotlib 中的当前 ylim 和 xlim 重新计算缩放后的 x y 值

Question

亲爱的，我想重新计算写在我的图形刻度标签中的 x y 值，在我放大后，原点始终位于 (0,0) 并且显然值的相对距离x 和 y 轴保持不变。

我认为我需要在放大后跟踪我的数字的限制，而不是简单地从实际的 x y 刻度值中减去当前的 xmin 和 ymin。 我想这可以通过事件处理 API 来实现 Event handling 正如我在这里学到的： Source1

这也是我开始 MWE 的地方：

import matplotlib.pyplot as plt

#
# Some toy data
x_seq = [x / 100.0 for x in xrange(1, 100)]
y_seq = [x**2 for x in x_seq]

#
# Scatter plot
fig, ax = plt.subplots(1, 1)
ax.scatter(x_seq, y_seq)


#
# Declare and register callbacks
def on_xlims_change(axes):
    a=axes.get_xlim()
    print "updated xlims: ", axes.get_xlim()
    return a
    
def on_ylims_change(axes):
    a=axes.get_ylim()
    print "updated ylims: ", axes.get_ylim()
    return a
    
ax.callbacks.connect('xlim_changed', on_xlims_change)
ax.callbacks.connect('ylim_changed', on_ylims_change)



#
# Show
plt.show()

但我真的不知道我应该如何离开这里？我是否必须在 on_xlims_change 函数内进行计算并在那里更改 x 和 y 刻度标签？同样，我认为我真的只需要更改标签中给出的值，对吗？还是更容易更改坐标的实际值以使自动刻度标签仍然有效？

Answer 1

这可能不像听起来那么容易。更改限制时，您将更改限制，使得回调无限运行，使您的窗口崩溃。

因此，我会选择另一种解决方案，使用第二个轴。所以假设你有两个轴：

• ax2 是要绘制的坐标轴。但是它没有框架，也没有刻度标签。这是您可以更改限制的坐标区。
• ax 为空。它最初具有与ax2 相同的限制。它会显示刻度标签。

放大ax2 后，回调函数可以根据自己的喜好更改ax 的限制。这就是屏​​幕上显示的内容。

import matplotlib.pyplot as plt

# Some toy data
x_seq = [x / 100.0 for x in xrange(1, 100)]
y_seq = [x**2 for x in x_seq]

# ax is empty
fig, ax = plt.subplots()
ax.set_navigate(False)
# ax2 will hold the plot, but has invisible labels
ax2 = fig.add_subplot(111,zorder=2)
ax2.scatter(x_seq, y_seq)
ax2.axis("off")

ax.set_xlim(ax2.get_xlim())
ax.set_ylim(ax2.get_ylim())

#
# Declare and register callbacks
def on_lims_change(axes):
    # change limits of ax, when ax2 limits are changed.
    a=ax2.get_xlim()
    ax.set_xlim(0, a[1]-a[0])
    a=ax2.get_ylim()
    ax.set_ylim(0, a[1]-a[0])

ax2.callbacks.connect('xlim_changed', on_lims_change)
ax2.callbacks.connect('ylim_changed', on_lims_change)

# Show
plt.show()

Answer 2

您可以通过在on_ylims_change 内更新您的限制来实现您想要做的事情。但是，我们需要确保不会出现无限回调循环。一种方法是在我们更新xlim 和ylim 时断开回调，然后立即重新连接。

import matplotlib.pyplot as plt

#
# Some toy data
x_seq = [x / 100.0 for x in range(1, 100)]
y_seq = [x**2 for x in x_seq]

#
# Scatter plot
fig, ax = plt.subplots(1, 1)
ax.scatter(x_seq, y_seq)

#
# Declare and register callbacks
def on_lims_change(event_ax):
    cid_list = list(event_ax.callbacks.callbacks['ylim_changed'].keys())
    for cid in cid_list:
        event_ax.callbacks.disconnect(cid)
    
    a = ax.get_xlim()
    span = a[1]-a[0]
    event_ax.set_xlim(-span/2, span/2)
    a = ax.get_ylim()
    span = a[1]-a[0]
    event_ax.set_ylim(-span/2, span/2)
    
    event_ax.callbacks.connect('ylim_changed', on_lims_change)


ax.callbacks.connect('ylim_changed', on_lims_change)

#
# Show
plt.show()

通常我们只想连接到ylim_changed 事件，因为这将在xlim_changed 之后被调用以用于标准缩放事件。这样我们就可以在开始进行更改之前获得最终的缩放结果。