当前位置：极客笔记 > Matplotlib > Matplotlib 问答 > Matplotlib中的Axis.get_transform()函数：坐标变换的关键

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

参考：Matplotlib.axis.Axis.get_transform() function in Python

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能和灵活的自定义选项。在Matplotlib中，坐标变换是一个非常重要的概念，它允许我们在不同的坐标系统之间进行转换，从而实现更复杂的绘图效果。本文将深入探讨Matplotlib中的Axis.get_transform()函数，这是实现坐标变换的关键方法之一。

1. 什么是Axis.get_transform()函数？

Axis.get_transform()是Matplotlib库中axis.Axis类的一个方法。这个函数的主要作用是获取与特定坐标轴相关联的坐标变换对象。这个变换对象包含了从数据坐标到显示坐标的映射信息，是实现各种绘图效果的基础。

让我们通过一个简单的例子来了解get_transform()函数的基本用法：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='how2matplotlib.com')

# 获取x轴的变换对象
x_transform = ax.xaxis.get_transform()
print(type(x_transform))

plt.legend()
plt.title('Basic usage of get_transform()')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们首先创建了一个简单的正弦曲线图。然后，我们使用ax.xaxis.get_transform()获取了x轴的变换对象。通过打印这个对象的类型，我们可以看到它是一个matplotlib.transforms.CompositeGenericTransform对象。

2. 坐标变换的基本概念

在深入了解get_transform()函数之前，我们需要先理解Matplotlib中坐标变换的基本概念。

2.1 数据坐标系

数据坐标系是我们最常用的坐标系，它直接对应于我们的数据值。例如，当我们绘制一个点(3, 4)时，我们使用的就是数据坐标系。

2.2 轴坐标系

轴坐标系是相对于坐标轴的坐标系。在这个系统中，坐标值范围通常是0到1，其中0表示轴的起点，1表示轴的终点。

2.3 图形坐标系

图形坐标系是相对于整个图形的坐标系。同样，它的坐标值也通常在0到1之间，其中(0, 0)表示图形的左下角，(1, 1)表示图形的右上角。

2.4 显示坐标系

显示坐标系是最终用于在屏幕上渲染图形的坐标系。它使用像素作为单位，原点通常在图形的左上角。

让我们通过一个例子来说明这些坐标系：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(8, 6))

# 数据坐标系
x_data = np.linspace(0, 10, 100)
y_data = np.sin(x_data)
ax.plot(x_data, y_data, label='Data in how2matplotlib.com')

# 轴坐标系
ax.axhline(y=0.5, color='r', linestyle='--', label='Axis coords')

# 图形坐标系
fig.text(0.5, 0.95, 'Figure coords', ha='center')

plt.legend()
plt.title('Different coordinate systems')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们展示了三种不同的坐标系：
1. 数据坐标系：用于绘制正弦曲线
2. 轴坐标系：用于绘制水平虚线（y=0.5）
3. 图形坐标系：用于添加文本（位于图形顶部中央）

3. get_transform()函数的返回值

get_transform()函数返回一个变换对象，这个对象包含了从数据坐标到显示坐标的映射信息。返回的具体类型可能是以下几种之一：

  • matplotlib.transforms.CompositeGenericTransform
  • matplotlib.transforms.BlendedGenericTransform
  • matplotlib.transforms.IdentityTransform

这些变换对象都继承自matplotlib.transforms.Transform基类，它们提供了一系列方法来进行坐标变换。

让我们看一个例子，展示如何使用get_transform()获取变换对象并查看其属性：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='how2matplotlib.com')

# 获取x轴的变换对象
x_transform = ax.xaxis.get_transform()

print(f"Transform type: {type(x_transform)}")
print(f"Is separable: {x_transform.is_separable}")
print(f"Has inverse: {x_transform.has_inverse}")

plt.legend()
plt.title('Properties of get_transform() return value')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们获取了x轴的变换对象，并打印了它的一些属性。is_separable属性表示这个变换是否可以分离为x和y方向的独立变换，has_inverse属性表示这个变换是否有逆变换。

4. 使用get_transform()进行坐标变换

get_transform()函数最常见的用途是进行坐标变换。我们可以使用它来将数据坐标转换为显示坐标，或者反过来。

4.1 从数据坐标到显示坐标

让我们看一个例子，展示如何使用get_transform()将数据坐标转换为显示坐标：

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='how2matplotlib.com')

# 获取变换对象
transform = ax.transData

# 选择一个数据点
data_point = (5, np.sin(5))

# 转换为显示坐标
display_point = transform.transform(data_point)

print(f"Data point: {data_point}")
print(f"Display point: {display_point}")

# 在图上标记这个点
ax.plot(data_point[0], data_point[1], 'ro')
ax.annotate(f'({data_point[0]:.2f}, {data_point[1]:.2f})', 
            xy=data_point, xytext=(10, 10),
            textcoords='offset points')

plt.legend()
plt.title('Coordinate transformation with get_transform()')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们首先获取了数据到显示坐标的变换对象（ax.transData）。然后，我们选择了一个数据点(5, sin(5))，并使用transform.transform()方法将其转换为显示坐标。最后，我们在图上标记了这个点，并添加了注释。

4.2 从显示坐标到数据坐标

我们也可以进行反向变换，从显示坐标转换回数据坐标。这在处理鼠标事件或者自定义交互功能时特别有用。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='how2matplotlib.com')

# 获取变换对象
transform = ax.transData

# 选择一个显示坐标点
display_point = (200, 200)

# 转换为数据坐标
data_point = transform.inverted().transform(display_point)

print(f"Display point: {display_point}")
print(f"Data point: {data_point}")

# 在图上标记这个点
ax.plot(data_point[0], data_point[1], 'ro')
ax.annotate(f'({data_point[0]:.2f}, {data_point[1]:.2f})', 
            xy=data_point, xytext=(10, 10),
            textcoords='offset points')

plt.legend()
plt.title('Inverse coordinate transformation')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们首先选择了一个显示坐标点(200, 200)。然后，我们使用transform.inverted().transform()方法将其转换回数据坐标。最后，我们在图上标记了这个点，并添加了注释。

5. get_transform()在自定义变换中的应用

get_transform()函数不仅可以用于获取默认的坐标变换，还可以用于创建自定义的坐标变换。这在创建特殊的绘图效果时非常有用。

5.1 创建复合变换

我们可以将多个变换组合在一起，创建一个复合变换。例如，我们可以将数据坐标先转换为轴坐标，然后再转换为图形坐标。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import blended_transform_factory

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='how2matplotlib.com')

# 创建复合变换
data_to_axes = ax.transData + ax.transAxes.inverted()
axes_to_fig = ax.transAxes + fig.transFigure.inverted()
data_to_fig = data_to_axes + axes_to_fig

# 选择一个数据点
data_point = (5, np.sin(5))

# 转换为图形坐标
fig_point = data_to_fig.transform(data_point)

print(f"Data point: {data_point}")
print(f"Figure point: {fig_point}")

# 在图形坐标系中添加文本
fig.text(fig_point[0], fig_point[1], 'Custom transform', 
         ha='center', va='center', bbox=dict(facecolor='white', alpha=0.7))

plt.legend()
plt.title('Custom composite transform')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个从数据坐标到图形坐标的复合变换。我们首先将数据坐标转换为轴坐标，然后再转换为图形坐标。最后，我们使用这个复合变换将一个数据点转换为图形坐标，并在该位置添加了文本。

5.2 创建混合变换

混合变换允许我们对x轴和y轴使用不同的变换。这在创建某些特殊的绘图效果时非常有用。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import blended_transform_factory

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='how2matplotlib.com')

# 创建混合变换
transform = blended_transform_factory(ax.transData, ax.transAxes)

# 添加垂直线
ax.axvline(x=5, transform=transform, color='r', linestyle='--', label='Blended transform')

# 添加文本
ax.text(5, 0.5, 'Blended transform', transform=transform, 
        rotation=90, va='center', ha='right')

plt.legend()
plt.title('Blended transform example')
plt.show()

在这个例子中，我们创建了一个混合变换，x轴使用数据坐标，y轴使用轴坐标。我们使用这个变换添加了一条垂直线和一个文本标签。垂直线的x坐标在数据坐标系中是5，而y坐标在轴坐标系中从0延伸到1。

6. get_transform()在动画中的应用

get_transform()函数在创建动画时也非常有用，特别是当我们需要在动画过程中改变坐标系或者进行坐标变换时。

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
line, = ax.plot([], [], lw=2)
ax.set_xlim(-2, 2)
ax.set_ylim(-2, 2)

def init():
    line.set_data([], [])
    return line,

def animate(i):
    t = np.linspace(0, 2*np.pi, 100)
    x = np.cos(t)
    y = np.sin(t)

    # 创建旋转变换
    transform = ax.get_transform().rotate_deg(i)

    # 应用变换
    points = transform.transform(np.column_stack((x, y)))
    line.set_data(points[:, 0], points[:, 1])

    ax.set_title(f'Rotation: {i}° - how2matplotlib.com')
    return line,

anim = FuncAnimation(fig, animate, init_func=init, frames=360, interval=20, blit=True)
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个动画，展示了一个旋转的圆。我们使用get_transform()获取当前的变换对象，然后使用rotate_deg()方法创建一个旋转变换。在每一帧中，我们都应用这个旋转变换来更新圆的位置。## 7. get_transform()在3D绘图中的应用

虽然get_transform()主要用于2D绘图，但它在3D绘图中也有应用。在3D绘图中，我们需要处理更复杂的坐标变换，get_transform()可以帮助我们理解和操作这些变换。

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 创建一些3D数据
x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 绘制3D表面
surf = ax.plot_surface(X, Y, Z, cmap='viridis')

# 获取3D变换
transform = ax.get_transform()

# 选择一个3D点
point_3d = (2, 2, np.sin(np.sqrt(2**2 + 2**2)))

# 转换为2D显示坐标
point_2d = transform.transform(point_3d)

print(f"3D point: {point_3d}")
print(f"2D display point: {point_2d}")

# 在3D图上标记这个点
ax.scatter(*point_3d, color='red', s=50)

ax.set_title('3D transform with get_transform() - how2matplotlib.com')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个3D表面图。然后，我们使用get_transform()获取3D变换对象，并用它将一个3D点转换为2D显示坐标。这对于理解3D图形如何在2D屏幕上显示非常有帮助。

8. get_transform()在极坐标系中的应用

get_transform()函数在处理极坐标系时也非常有用。极坐标系是一种非笛卡尔坐标系，它使用距离和角度来表示点的位置。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))

# 创建极坐标数据
r = np.linspace(0, 2, 100)
theta = 4 * np.pi * r

# 绘制极坐标图
ax.plot(theta, r, label='how2matplotlib.com')

# 获取极坐标变换
transform = ax.get_transform()

# 选择一个极坐标点
polar_point = (np.pi/2, 1)  # 90度，半径为1

# 转换为显示坐标
display_point = transform.transform(polar_point)

print(f"Polar point: {polar_point}")
print(f"Display point: {display_point}")

# 在图上标记这个点
ax.plot(polar_point[0], polar_point[1], 'ro')
ax.annotate(f'({polar_point[0]:.2f}, {polar_point[1]:.2f})', 
            xy=polar_point, xytext=(0.2, 0.2),
            textcoords='axes fraction',
            arrowprops=dict(arrowstyle="->", connectionstyle="arc3"))

plt.legend()
plt.title('Polar coordinate transform')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个极坐标图。我们使用get_transform()获取极坐标变换对象，并用它将一个极坐标点转换为显示坐标。这对于在极坐标图上精确定位标注和其他元素非常有用。

9. get_transform()在处理对数坐标轴时的应用

当我们使用对数坐标轴时，get_transform()函数可以帮助我们理解和操作对数变换。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()

# 创建对数坐标数据
x = np.logspace(0, 3, 100)
y = x**2

# 绘制对数-对数图
ax.loglog(x, y, label='how2matplotlib.com')

# 获取对数变换
transform = ax.get_transform()

# 选择一个点
log_point = (100, 10000)

# 转换为显示坐标
display_point = transform.transform(log_point)

print(f"Log point: {log_point}")
print(f"Display point: {display_point}")

# 在图上标记这个点
ax.plot(log_point[0], log_point[1], 'ro')
ax.annotate(f'({log_point[0]}, {log_point[1]})', 
            xy=log_point, xytext=(1.1, 1.1),
            textcoords='axes fraction',
            arrowprops=dict(arrowstyle="->", connectionstyle="arc3"))

plt.legend()
plt.title('Logarithmic coordinate transform')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个对数-对数图。我们使用get_transform()获取对数变换对象，并用它将一个对数坐标点转换为显示坐标。这对于理解对数坐标系如何映射到显示空间非常有帮助。

10. get_transform()在处理不同单位的数据时的应用

当我们需要在同一个图上绘制具有不同单位或量级的数据时，get_transform()函数可以帮助我们创建双轴图。

import matplotlib.pyplot as plt
import numpy as np

fig, ax1 = plt.subplots()

# 创建第一组数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)

# 绘制第一组数据
ax1.plot(x, y1, 'b-', label='sin(x) - how2matplotlib.com')
ax1.set_xlabel('x')
ax1.set_ylabel('sin(x)', color='b')
ax1.tick_params(axis='y', labelcolor='b')

# 创建第二个y轴
ax2 = ax1.twinx()

# 创建第二组数据
y2 = np.exp(x)

# 绘制第二组数据
ax2.plot(x, y2, 'r-', label='exp(x)')
ax2.set_ylabel('exp(x)', color='r')
ax2.tick_params(axis='y', labelcolor='r')

# 获取两个轴的变换
transform1 = ax1.get_transform()
transform2 = ax2.get_transform()

# 选择一个点
point = (5, np.sin(5))

# 转换为显示坐标
display_point1 = transform1.transform(point)
display_point2 = transform2.transform((point[0], np.exp(point[0])))

print(f"Data point: {point}")
print(f"Display point (left axis): {display_point1}")
print(f"Display point (right axis): {display_point2}")

plt.title('Dual axis plot with different transforms')
fig.tight_layout()
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个双轴图，左轴显示sin(x)，右轴显示exp(x)。我们使用get_transform()获取两个轴的变换对象，并用它们将同一个x坐标点转换为不同的显示坐标。这展示了如何处理具有不同单位或量级的数据。

11. get_transform()在自定义投影中的应用

Matplotlib支持多种地图投影，get_transform()函数在处理这些自定义投影时非常有用。

import matplotlib.pyplot as plt
import cartopy.crs as ccrs

fig = plt.figure(figsize=(10, 5))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.Robinson())

# 绘制地图
ax.stock_img()

# 获取投影变换
transform = ax.get_transform()

# 选择一个经纬度点（伦敦）
lon, lat = -0.1276, 51.5074

# 转换为显示坐标
display_point = transform.transform((lon, lat))

print(f"Longitude, Latitude: ({lon}, {lat})")
print(f"Display point: {display_point}")

# 在地图上标记这个点
ax.plot(lon, lat, 'ro', transform=ccrs.PlateCarree())
ax.text(lon, lat, 'London', transform=ccrs.PlateCarree())

plt.title('Custom projection transform - how2matplotlib.com')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们使用Cartopy库创建了一个Robinson投影的世界地图。我们使用get_transform()获取投影变换对象，并用它将经纬度坐标转换为显示坐标。这对于在自定义投影的地图上精确定位标记和标注非常有用。

12. get_transform()在处理图像数据时的应用

当我们在Matplotlib中处理图像数据时，get_transform()函数可以帮助我们理解和操作图像坐标系。

import matplotlib.pyplot as plt
import numpy as np

# 创建一个简单的图像
image = np.random.rand(10, 10)

fig, ax = plt.subplots()
im = ax.imshow(image, extent=[0, 10, 0, 10])

# 获取图像变换
transform = ax.get_transform()

# 选择一个图像坐标点
image_point = (5, 5)

# 转换为显示坐标
display_point = transform.transform(image_point)

print(f"Image point: {image_point}")
print(f"Display point: {display_point}")

# 在图像上标记这个点
ax.plot(image_point[0], image_point[1], 'ro')
ax.annotate(f'({image_point[0]}, {image_point[1]})', 
            xy=image_point, xytext=(7, 7),
            arrowprops=dict(arrowstyle="->", connectionstyle="arc3"))

plt.colorbar(im)
plt.title('Image coordinate transform - how2matplotlib.com')
plt.show()

Output:

Matplotlib中的Axis.get_transform()函数：坐标变换的关键

在这个例子中，我们创建了一个简单的随机图像。我们使用get_transform()获取图像变换对象，并用它将图像坐标转换为显示坐标。这对于在图像上精确定位和添加注释非常有用。

总结

通过本文，我们深入探讨了Matplotlib中Axis.get_transform()函数的各种应用。我们了解了这个函数在不同类型的图表中的使用方法，包括2D图表、3D图表、极坐标图、对数坐标图、双轴图、地图投影和图像处理等。

get_transform()函数是Matplotlib中坐标变换的核心，它为我们提供了强大的工具来处理不同坐标系之间的转换。通过使用这个函数，我们可以：

  1. 在数据坐标和显示坐标之间进行转换
  2. 创建复合变换和混合变换
  3. 处理特殊的坐标系，如极坐标和对数坐标
  4. 在3D图形中进行坐标变换
  5. 处理地图投影和图像坐标

掌握get_transform()函数的使用可以让我们更灵活地控制图形的绘制，创建更复杂和精确的可视化效果。无论是进行数据分析、科学研究还是创建数据可视化产品，深入理解和灵活运用get_transform()函数都将大大提升我们使用Matplotlib的能力。

希望这篇文章能够帮助你更好地理解和使用Matplotlib中的Axis.get_transform()函数。随着你在数据可视化领域的不断探索，你会发现这个函数在许多复杂场景中都能发挥重要作用。继续实践和探索，你将能够创建出更加精美和富有洞察力的数据可视化作品。

Camera课程

Camera API2 教程

API2 教程
Camera 性能教程

Perf 教程
Camera Native Framework 教程

Native FW 教程
Camera QCOM ISP 教程

ISP 教程
Camera QCOM Sensor 教程

Sensor 教程

Python教程

Python 教程

Python 教程
NumPy 教程

NumPy 教程
Django 教程

Django 教程

Java教程

Java 教程

Java 教程

Web教程

JavaScript 教程

JavaScript 教程
jQuery 教程

jQuery 教程
CSS 教程

CSS 教程
PHP 教程

PHP 教程
Laravel 教程

Laravel 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程

数据库教程

SQL 教程

SQL 教程
SQLite 教程

SQLite 教程
MySQL 教程

MySQL 教程
PL/SQL 教程

PL/SQL 教程
MongoDB 教程

MongoDB 教程

图形图像教程

OpenCV 教程

OpenCV 教程

办公软件教程

Excel 教程

Excel 教程

Linux教程

Linux命令全集

Linux命令全集
Linux内核API

Linux内核API
LVGL 教程

LVGL 教程

计算机教程

操作系统 教程

操作系统 教程
计算机网络 教程

计算机网络 教程
C语言 教程

C语言 教程
C++ 教程

C++ 教程
Swift 教程

Swift 教程

大数据教程

Hadoop 教程

Hadoop 教程
Spark 教程

Spark 教程
Scala 教程

Scala 教程

开发工具教程

Git 教程

Git 教程
Jenkins 教程

Jenkins 教程
ChatGPT 教程

ChatGPT 教程
IntelliJ 教程

IntelliJ 教程