matplotlib：使用图形对象初始化绘图

Question

我正在为一个特定的实验构建一类绘图工具。我目前有两种绘图方法，一种是使用imshow（）的静态绘图，另一种是使用imshow（）的“电影”格式。

无论是方法还是任何未来的方法，都要获取与我可能编写的任何特定绘图方法相同的参数。在使用情节类时，我在一个配置对象中拥有所有这些参数。

我不想在每个plot方法中重写代码。我想初始化一个对象（我想是AxeImage），它将设置以下参数：vmin、vmax、extent_dim、Xlocs、Xlabels、Ylocs、Ylabels。

然后，我将该对象传递给各种方法，这些方法可以执行其他特定的操作。我不知道该怎么做。。。

import matplotlib.pyplot as plt

data = data_dict[type] # could be real part of a complex number, phase, or the mag...
v_min, v_max = self.get_data_type_scale(data_dict, Type)
freq = data_dict['freq']

# essentially sets the aspect of the plot since the x and y resolutions could be different   
extent_dim = self._get_extent(2)
# gets the labels for physical dimensions of the experiment
Xlocs,Xlabels,Ylocs,Ylabels = self._get_ticks(5,5,extent_dim)

# in the guts of a plot method, the basic idea is the call below.  

plt.imshow(data[0,:,:],cmap='jet',vmin=v_min,...
vmax=v_max,origin='lower', extent = extent_dim)

plt.title('Type:  %s  Freq: %.3e Hz' %(Type,data_dict['freq'][0]) )
plt.xticks(Xlocs, Xlabels)
plt.yticks(Ylocs,Ylabels)

Answer 1

匿名用户

要显示绘图，您需要使用fig.canvas。draw（）其中fig是Figure类的一个实例<代码>图画布。draw（）是交互式shell（读取：pylab）函数的API版本draw（）

如果需要从AxesImage对象获取轴或图形，可以调用im。获取轴（）。分别获取图（）。

就编写“好的”面向对象代码而言，用户界面示例可能是一个很好的起点。

Answer 2

首先，您需要了解一些matplotlib的体系结构（请参阅创始人和当前主要开发人员的长篇文章）。在后端层的底部，处理渲染和与硬件对话。在该层的顶部是艺术家，他们知道如何通过告诉后端对象做什么来绘制他们自己。在该层的顶部是模拟MATLAB的状态机接口。

您在图形中看到的所有内容都在内部表示为艺术家，艺术家可以包含其他艺术家。例如，轴对象跟踪其子对象艺术家，这些子对象是轴脊椎、记号、标签、线条或图像等，轴对象是图形对象的子对象。当你告诉一个人物画它自己（通过fig.canvas.draw（））时，所有的子艺术家都被递归地画出来。

这种设计的一个缺点是，Artist的给定实例化可以正好在一个图形中（并且在图形之间移动它们很困难），因此您不能创建一个AxesImage对象，然后继续重用它。

这个设计也分离了艺术家所知道的东西。坐标轴对象知道诸如刻度位置和标签以及显示范围之类的东西（它通过了解坐标轴对象来做到这一点，但这更深入到杂草）。像vmin和vmax这样的东西封装在Normize（doc）对象中，由AxesImage跟踪。这意味着你需要分开处理清单上的所有事情。

我建议在这里使用类似工厂的模式，或者使用类似咖喱的模式

工厂式：

def set_up_axes(some, arguements):
    '''
    Factory to make configured axes (
    '''
    fig, ax = plt.subplots(1, 1) # or what ever layout you want
    ax.set_*(...)
    return fig, ax


my_norm = matplotlib.colors.Normalize(vmin, mmax) # or write a factory to do fancier stuff
fig, ax = set_up_axes(...)
ax.imshow(..., norm=my_norm)
fig2, ax2 = set_up_axes(...)
ax2.imshow(..., norm=mynorm)

您可以打包一整套KWARG，以方便重复使用：

my_imshow_args = {'extent':[...],
                  'interpolation':'nearest',
                  'norm': my_norm,
                   ...}

ax2.imshow(..., **my_imshow_args)

咖喱状：

def my_imshow(im, ax=None, *args, **kwargs):
    if ax is None:
        ax = plt.gca()
    # do all of your axes set up
    ax.set_xlim(..)

    # set default vmin and vmax
    # you can drop some of these conditionals if you don't want to be
    # able to explicitly override the defaults
    if 'norm' not in kwargs:
        vmin = kwargs.pop('vmin', None)
        vmax = kwargs.pop('vmax', None)
        if vmin is None:
            vmin = default_vmin # or what ever
        if vmax is None:
            vmax = default_vmax
        my_norm = matplotlib.colors.Normalize(vmin, mmax)
        kwargs['norm'] = norm

    # add a similar block for `extent` 
    # or any other kwargs you want to change the default of

    ax.figure.canvas.draw() # if you want to force a re-draw
    return ax.imshow(im, *args, **kwargs)

如果你想变得超级聪明，你可以使用monkey patchplt。imshow显示您的版本

plt.imshow = my_imshow

还有一个rcParams接口，它允许您以全局方式更改matplotlib的许多位和片段的默认值。

还有另一种方法（通过部分）