axisartist 工具包#
警告
axisartist 使用自定义 Axes 类（从 Matplotlib 的原始 Axes 类派生）。作为副作用，某些命令（主要是与刻度相关的命令）不起作用。
axisartist 包含一个自定义 Axes 类，旨在支持曲线网格（例如，天文学中的世界坐标系）。与 Matplotlib 的原始 Axes 类使用 Axes.xaxis 和 Axes.yaxis 绘制刻度、刻度线等不同，axisartist 使用一个特殊的艺术家（AxisArtist），它可以处理曲线坐标系的刻度、刻度线等。
由于它使用特殊的艺术家，因此某些在 Axes.xaxis 和 Axes.yaxis 上工作的 Matplotlib 命令可能不起作用。
axisartist#
axisartist 模块提供了一个自定义（并且非常实验性的）Axes 类，其中每个轴（左、右、上、下）都有一个单独的关联艺术家，负责绘制轴线、刻度、刻度标签和标签。您还可以创建自己的轴，该轴可以穿过轴坐标中的固定位置，或数据坐标中的固定位置（即，当视图限制更改时，轴会漂浮）。
默认情况下，axes 类将其 x 轴和 y 轴设置为不可见，并具有 4 个额外的艺术家，负责在“左”、“右”、“下”和“上”绘制 4 个轴脊。它们可以通过 ax.axis["left"]、ax.axis["right"] 等访问，即 ax.axis 是一个包含艺术家的字典（注意 ax.axis 仍然是一个可调用方法，它在 Matplotlib 中的行为与原始 Axes.axis 方法相同）。
要创建 Axes，
import mpl_toolkits.axisartist as AA
fig = plt.figure()
fig.add_axes([0.1, 0.1, 0.8, 0.8], axes_class=AA.Axes)
或创建一个子图
fig.add_subplot(111, axes_class=AA.Axes)
# Given that 111 is the default, one can also do
fig.add_subplot(axes_class=AA.Axes)
例如，您可以使用以下方法隐藏右脊和上脊
ax.axis["right"].set_visible(False)
ax.axis["top"].set_visible(False)
也可以添加水平轴。例如，您可能在 y=0（在数据坐标中）处有一个水平轴。
ax.axis["y=0"] = ax.new_floating_axis(nth_coord=0, value=0)
或一个带有偏移量的固定轴
# make new (right-side) yaxis, but with some offset
ax.axis["right2"] = ax.new_fixed_axis(loc="right", offset=(20, 0))
带有 ParasiteAxes 的 axisartist#
axes_grid1 工具包中的大多数命令都可以接受 axes_class 关键字参数，这些命令会创建一个给定类的 Axes。例如，要使用 axisartist.Axes 创建一个主机子图，
import mpl_toolkits.axisartist as AA
from mpl_toolkits.axes_grid1 import host_subplot
host = host_subplot(111, axes_class=AA.Axes)
这是一个使用 ParasiteAxes 的示例。
曲线网格#
AxisArtist 模块背后的动机是支持曲线网格和刻度。
浮动轴#
AxisArtist 还支持浮动轴，其外部轴定义为浮动轴。
axisartist 命名空间#
axisartist 命名空间包含一个派生的 Axes 实现。最大的区别是负责绘制轴线、刻度、刻度标签和轴标签的艺术家与 Matplotlib 的 Axis 类分离，这些艺术家比原始 Matplotlib 中的艺术家多得多。这种变化的强烈动机是支持曲线网格。以下是 mpl_toolkits.axisartist.Axes 与 Matplotlib 中的原始 Axes 不同的几个方面。
轴元素（轴线（脊柱）、刻度线、刻度标签和轴标签）由 AxisArtist 实例绘制。与 Axis 不同，左、右、上和下轴由单独的艺术家绘制。它们中的每一个可能具有不同的刻度位置和不同的刻度标签。
网格线由 Gridlines 实例绘制。更改的动机是在曲线坐标系中，网格线可能不会与轴线交叉（即没有相关的刻度线）。在原始 Axes 类中，网格线与刻度线绑定。
刻度线可以根据需要旋转（例如，沿着网格线）。
总之，所有这些更改都是为了支持
曲线网格。
浮动轴
mpl_toolkits.axisartist.Axes 类定义了一个axis属性，它是一个 AxisArtist 实例的字典。默认情况下，字典有 4 个 AxisArtist 实例，负责绘制左、右、下和上轴。
xaxis 和 yaxis 属性仍然可用，但它们被设置为不可见。由于使用单独的艺术家来渲染轴，因此 Matplotlib 中的一些与轴相关的函数可能没有效果。除了 AxisArtist 实例之外，mpl_toolkits.axisartist.Axes 还将具有gridlines属性（Gridlines），它显然绘制网格线。
在 AxisArtist 和 Gridlines 中，刻度和网格位置的计算委托给 GridHelper 类的实例。mpl_toolkits.axisartist.Axes 类使用 GridHelperRectlinear 作为网格助手。GridHelperRectlinear 类是 Matplotlib 原始 Axes 的xaxis和yaxis的包装器，它旨在像 Matplotlib 原始轴的工作方式一样工作。例如，使用 set_ticks 方法更改刻度位置等应该按预期工作。但艺术家属性的更改（例如，颜色）通常不会起作用，尽管已经做了一些努力来尊重一些经常更改的属性（颜色等）。
AxisArtist#
AxisArtist 可以被认为是一个容器艺术家，它具有以下属性，这些属性将绘制刻度线、标签等。
line
major_ticks, major_ticklabels
minor_ticks, minor_ticklabels
offsetText
label
line#
从 Line2D 类派生。负责绘制脊柱线。
major_ticks, minor_ticks#
从 Line2D 类派生。请注意，刻度线是标记。
major_ticklabels, minor_ticklabels#
从 Text 派生。请注意，它不是 Text 艺术家的列表，而是一个单独的艺术家（类似于集合）。
axislabel#
从 Text 派生。
默认 AxisArtists#
默认情况下，以下轴艺术家被定义。
ax.axis["left"], ax.axis["bottom"], ax.axis["right"], ax.axis["top"]
顶部和右侧轴的刻度标签和轴标签设置为不可见。
例如，如果您想更改底部 x 轴的主刻度标签的颜色属性
ax.axis["bottom"].major_ticklabels.set_color("b")
类似地，要使刻度标签不可见
ax.axis["bottom"].major_ticklabels.set_visible(False)
AxisArtist 提供了一个辅助方法来控制刻度、刻度标签和标签的可见性。要使刻度标签不可见，
ax.axis["bottom"].toggle(ticklabels=False)
要使所有刻度、刻度标签和（轴）标签不可见
ax.axis["bottom"].toggle(all=False)
要关闭所有内容，但打开刻度
ax.axis["bottom"].toggle(all=False, ticks=True)
要打开所有内容，但关闭（轴）标签
ax.axis["bottom"].toggle(all=True, label=False)
ax.axis 的 __getitem__ 方法可以接受多个轴名称。例如，要打开“顶部”和“右侧”轴的刻度标签，
ax.axis["top", "right"].toggle(ticklabels=True)
请注意，ax.axis["top", "right"] 返回一个简单的代理对象，它将上面的代码转换为类似于下面的内容。
for n in ["top", "right"]:
ax.axis[n].toggle(ticklabels=True)
因此，循环中的任何返回值都会被忽略。您不应该将其用于任何比简单方法更复杂的操作。
就像列表索引“:”表示所有项目一样，即
ax.axis[:].major_ticks.set_color("r")
更改所有轴的刻度颜色。
操作方法#
更改刻度位置和标签。
与原始 Matplotlib 的轴相同
ax.set_xticks([1, 2, 3])
更改轴属性，如颜色等。
更改相应艺术家的属性。例如，要更改刻度标签的颜色
ax.axis["left"].major_ticklabels.set_color("r")
要更改多个轴的属性
ax.axis["left", "bottom"].major_ticklabels.set_color("r")
或更改所有轴的属性
ax.axis[:].major_ticklabels.set_color("r")
要更改刻度大小（长度），您需要使用 axis.major_ticks.set_ticksize 方法。要更改刻度的方向（默认情况下，刻度与刻度标签方向相反），请使用 axis.major_ticks.set_tick_out 方法。
要更改刻度和刻度标签之间的填充，请使用 axis.major_ticklabels.set_pad 方法。
要更改刻度标签和轴标签之间的填充，请使用 axis.label.set_pad 方法。
刻度标签的旋转和对齐#
这与标准 Matplotlib 也大不相同，可能会令人困惑。当您想要旋转刻度标签时，首先考虑使用“set_axis_direction”方法。
ax1.axis["left"].major_ticklabels.set_axis_direction("top")
ax1.axis["right"].label.set_axis_direction("left")
set_axis_direction 的参数是以下之一：["left", "right", "bottom", "top"]。
您必须了解一些方向的基本概念。
有一个参考方向，定义为轴线随着坐标增加的方向。例如，左侧 x 轴的参考方向是从下到上。
刻度、刻度标签和轴标签的方向、文本角度和对齐方式是相对于参考方向确定的。
label_direction 和 ticklabel_direction 既可以是参考方向的右侧 (+)，也可以是左侧 (-)。
默认情况下，刻度线朝向与刻度标签相反的方向绘制。
刻度标签和标签的文本旋转是相对于 ticklabel_direction 或 label_direction 确定的。刻度标签和标签的旋转是锚定的。
另一方面，还有一个“axis_direction”的概念。这是每个“bottom”、“left”、“top”和“right”轴的上述属性的默认设置。
参考方向 |
标签方向 |
标签旋转 |
水平对齐 |
垂直对齐 |
|---|---|---|---|---|
左 |
'-' |
180 |
右 |
中心 |
底部 |
'+' |
0 |
中心 |
顶部 |
右 |
'+' |
0 |
右 |
中心 |
顶部 |
'-' |
180 |
中心 |
底部 |
参考方向 |
标签方向 |
标签旋转 |
水平对齐 |
垂直对齐 |
|---|---|---|---|---|
左 |
'-' |
90 |
右 |
中心 |
底部 |
'+' |
0 |
中心 |
基线 |
右 |
'+' |
-90 |
右 |
中心 |
顶部 |
'-' |
180 |
中心 |
基线 |
并且，'set_axis_direction("top")' 表示调整文本旋转等，以适合“top”轴的设置。在弯曲轴的情况下，轴方向的概念会更加清晰。
可以在 AxisArtist 级别或其子艺术家（即刻度、刻度标签和轴标签）级别调整 axis_direction。
ax1.axis["left"].set_axis_direction("top")
更改与“left”轴关联的所有艺术家的 axis_direction，而
ax1.axis["left"].major_ticklabels.set_axis_direction("top")
更改仅主要刻度标签的 axis_direction。请注意，在 AxisArtist 级别更改 axis_direction 会更改 ticklabel_direction 和 label_direction，而更改刻度、刻度标签和轴标签的 axis_direction 不会影响它们。
如果要使刻度线朝外，刻度标签朝内，请使用 invert_ticklabel_direction 方法。
ax.axis[:].invert_ticklabel_direction()
一个相关的方法是“set_tick_out”。它使刻度线朝外（实际上，它使刻度线朝向与默认方向相反的方向）。
ax.axis[:].major_ticks.set_tick_out(True)
因此，总结一下，
AxisArtist 的方法
set_axis_direction: "left"、"right"、"bottom" 或 "top"
set_ticklabel_direction: "+" 或 "-"
set_axislabel_direction: "+" 或 "-"
invert_ticklabel_direction
刻度的方法（主要刻度和次要刻度）
set_tick_out: True 或 False
set_ticksize: 以点为单位的大小
刻度标签的方法（major_ticklabels 和 minor_ticklabels）
set_axis_direction: "left"、"right"、"bottom" 或 "top"
set_rotation: 相对于参考方向的角度
set_ha 和 set_va: 参见下文
轴标签的方法（label）
set_axis_direction: "left"、"right"、"bottom" 或 "top"
set_rotation: 相对于参考方向的角度
set_ha 和 set_va
调整刻度标签对齐方式#
刻度标签的对齐方式经过特殊处理。参见下文
调整填充#
要更改刻度和刻度标签之间的填充
ax.axis["left"].major_ticklabels.set_pad(10)
或刻度标签和轴标签之间的填充
ax.axis["left"].label.set_pad(10)
网格助手#
要实际定义一个曲线坐标系，您必须使用自己的网格助手。提供了一个通用的网格助手类，该类在大多数情况下应该足够了。用户可以提供两个函数，这些函数定义了从曲线坐标系到（直线）图像坐标系的变换（及其逆变换对）。请注意，虽然刻度和网格是针对曲线坐标系绘制的，但轴本身的数据变换 (ax.transData) 仍然是直线（图像）坐标系。
from mpl_toolkits.axisartist.grid_helper_curvelinear \
import GridHelperCurveLinear
from mpl_toolkits.axisartist import Axes
# from curved coordinate to rectlinear coordinate.
def tr(x, y):
x, y = np.asarray(x), np.asarray(y)
return x, y-x
# from rectlinear coordinate to curved coordinate.
def inv_tr(x, y):
x, y = np.asarray(x), np.asarray(y)
return x, y+x
grid_helper = GridHelperCurveLinear((tr, inv_tr))
fig.add_subplot(axes_class=Axes, grid_helper=grid_helper)
您可以使用 Matplotlib 的 Transform 实例（但必须定义逆变换）。通常，曲线坐标系中的坐标范围可能具有有限的范围，或者可能具有循环。在这些情况下，需要更定制版本的网格助手。
import mpl_toolkits.axisartist.angle_helper as angle_helper
# PolarAxes.PolarTransform takes radian. However, we want our coordinate
# system in degree
tr = Affine2D().scale(np.pi/180., 1.) + PolarAxes.PolarTransform()
# extreme finder: find a range of coordinate.
# 20, 20: number of sampling points along x, y direction
# The first coordinate (longitude, but theta in polar)
# has a cycle of 360 degree.
# The second coordinate (latitude, but radius in polar) has a minimum of 0
extreme_finder = angle_helper.ExtremeFinderCycle(20, 20,
lon_cycle=360,
lat_cycle=None,
lon_minmax=None,
lat_minmax=(0, np.inf),
)
# Find a grid values appropriate for the coordinate (degree,
# minute, second). The argument is a approximate number of grids.
grid_locator1 = angle_helper.LocatorDMS(12)
# And also uses an appropriate formatter. Note that the acceptable Locator
# and Formatter classes are different than that of Matplotlib's, and you
# cannot directly use Matplotlib's Locator and Formatter here (but may be
# possible in the future).
tick_formatter1 = angle_helper.FormatterDMS()
grid_helper = GridHelperCurveLinear(tr,
extreme_finder=extreme_finder,
grid_locator1=grid_locator1,
tick_formatter1=tick_formatter1
)
同样，轴的 transData 仍然是直线坐标系（图像坐标系）。您可以手动进行两个坐标系之间的转换，或者为了方便起见，可以使用寄生轴。
ax1 = SubplotHost(fig, 1, 2, 2, grid_helper=grid_helper)
# A parasite axes with given transform
ax2 = ax1.get_aux_axes(tr, "equal")
# note that ax2.transData == tr + ax1.transData
# Anything you draw in ax2 will match the ticks and grids of ax1.
浮动轴#
浮动轴是指其中一个数据坐标固定的轴，即它的位置在轴坐标系中不是固定的，而是随着轴数据限制的变化而变化。可以使用 new_floating_axis 方法创建浮动轴。但是，您有责任确保生成的 AxisArtist 正确添加到轴中。推荐的方法是将其作为轴的 axis 属性的项目添加。
# floating axis whose first (index starts from 0) coordinate
# (theta) is fixed at 60
ax1.axis["lat"] = axis = ax1.new_floating_axis(0, 60)
axis.label.set_text(r"$\theta = 60^{\circ}$")
axis.label.set_visible(True)
参见本页的第一个示例。
当前限制和待办事项#
代码需要进一步完善。以下是问题和待办事项的不完整列表
没有简单的方法来支持用户自定义刻度位置（对于曲线网格）。需要创建一个新的 Locator 类。
浮动轴可能具有坐标限制，例如，x = 0 的浮动轴，但 y 仅跨越 0 到 1。
浮动轴的轴标签位置需要可选地作为坐标值给出。例如，x=0 的浮动轴，标签位于 y=1