Matplotlib 中的自定义网格和极坐标投影

简介

在本实验中，我们将学习如何使用 GridHelperCurveLinear 在Matplotlib中创建自定义网格和刻度线。我们还将学习如何在矩形框中创建极坐标投影。

虚拟机使用提示

虚拟机启动完成后，点击左上角切换到笔记本标签页，以访问Jupyter Notebook进行练习。

有时，你可能需要等待几秒钟让Jupyter Notebook完成加载。由于Jupyter Notebook的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，请随时向Labby提问。课程结束后提供反馈，我们将立即为你解决问题。

自定义变换的网格

首先，我们将使用 GridHelperCurveLinear 创建一个自定义网格和刻度线。自定义变换将应用于网格和刻度线。以下代码演示了这个过程：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.projections import PolarAxes
from matplotlib.transforms import Affine2D
from mpl_toolkits.axisartist import Axes, HostAxes, angle_helper
from mpl_toolkits.axisartist.grid_helper_curvelinear import GridHelperCurveLinear

def curvelinear_test1(fig):
    ## 定义自定义变换
    def tr(x, y):
        return x, y - x
    def inv_tr(x, y):
        return x, y + x

    ## 创建 GridHelperCurveLinear 对象
    grid_helper = GridHelperCurveLinear((tr, inv_tr))

    ## 创建一个带有自定义网格和刻度线的子图
    ax1 = fig.add_subplot(1, 2, 1, axes_class=Axes, grid_helper=grid_helper)

    ## 在子图上绘制一些点
    xx, yy = tr(np.array([3, 6]), np.array([5, 10]))
    ax1.plot(xx, yy)

    ## 设置子图的纵横比和限制
    ax1.set_aspect(1)
    ax1.set_xlim(0, 10)
    ax1.set_ylim(0, 10)

    ## 添加浮动轴和网格线
    ax1.axis["t"] = ax1.new_floating_axis(0, 3)
    ax1.axis["t2"] = ax1.new_floating_axis(1, 7)
    ax1.grid(True, zorder=0)

fig = plt.figure(figsize=(7, 4))
curvelinear_test1(fig)
plt.show()

矩形框中的极坐标投影

接下来，我们将使用 GridHelperCurveLinear 在矩形框中创建极坐标投影。我们将使用 Affine2D 变换将角度坐标缩放到弧度，并使用 PolarAxes.PolarTransform 创建极坐标投影。我们还将使用 angle_helper.ExtremeFinderCycle 来找到极坐标投影的极值，并使用 angle_helper.LocatorDMS 和 angle_helper.FormatterDMS 来格式化刻度标签。以下代码演示了这个过程：

def curvelinear_test2(fig):
    ## 定义自定义变换
    tr = Affine2D().scale(np.pi/180, 1) + PolarAxes.PolarTransform()

    ## 定义极值查找器、网格定位器和刻度格式化器
    extreme_finder = angle_helper.ExtremeFinderCycle(
        nx=20, ny=20,
        lon_cycle=360, lat_cycle=None,
        lon_minmax=None, lat_minmax=(0, np.inf),
    )
    grid_locator1 = angle_helper.LocatorDMS(12)
    tick_formatter1 = angle_helper.FormatterDMS()

    ## 创建 GridHelperCurveLinear 对象
    grid_helper = GridHelperCurveLinear(
        tr, extreme_finder=extreme_finder,
        grid_locator1=grid_locator1, tick_formatter1=tick_formatter1)
    ax1 = fig.add_subplot(
        1, 2, 2, axes_class=HostAxes, grid_helper=grid_helper)

    ## 使右侧和顶部轴的刻度标签可见
    ax1.axis["right"].major_ticklabels.set_visible(True)
    ax1.axis["top"].major_ticklabels.set_visible(True)

    ## 让右侧轴显示第一个坐标（角度）的刻度标签
    ax1.axis["right"].get_helper().nth_coord_ticks = 0

    ## 让底部轴显示第二个坐标（半径）的刻度标签
    ax1.axis["bottom"].get_helper().nth_coord_ticks = 1

    ## 设置子图的纵横比和限制
    ax1.set_aspect(1)
    ax1.set_xlim(-5, 12)
    ax1.set_ylim(-5, 10)

    ## 向子图添加网格线
    ax1.grid(True, zorder=0)

    ## 使用给定的变换创建一个寄生轴
    ax2 = ax1.get_aux_axes(tr)

    ## 在ax2中绘制的任何内容都将与ax1的刻度和网格匹配。
    ax2.plot(np.linspace(0, 30, 51), np.linspace(10, 10, 51), linewidth=2)

    ax2.pcolor(np.linspace(0, 90, 4), np.linspace(0, 10, 4),
               np.arange(9).reshape((3, 3)))
    ax2.contour(np.linspace(0, 90, 4), np.linspace(0, 10, 4),
                np.arange(16).reshape((4, 4)), colors="k")

fig = plt.figure(figsize=(7, 4))
curvelinear_test2(fig)
plt.show()

最终代码

最终代码结合了步骤1和步骤2中的代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.projections import PolarAxes
from matplotlib.transforms import Affine2D
from mpl_toolkits.axisartist import Axes, HostAxes, angle_helper
from mpl_toolkits.axisartist.grid_helper_curvelinear import GridHelperCurveLinear

def curvelinear_test1(fig):
    ## 定义自定义变换
    def tr(x, y):
        return x, y - x
    def inv_tr(x, y):
        return x, y + x

    ## 创建GridHelperCurveLinear对象
    grid_helper = GridHelperCurveLinear((tr, inv_tr))

    ## 创建一个带有自定义网格和刻度线的子图
    ax1 = fig.add_subplot(1, 2, 1, axes_class=Axes, grid_helper=grid_helper)

    ## 在子图上绘制一些点
    xx, yy = tr(np.array([3, 6]), np.array([5, 10]))
    ax1.plot(xx, yy)

    ## 设置子图的纵横比和限制
    ax1.set_aspect(1)
    ax1.set_xlim(0, 10)
    ax1.set_ylim(0, 10)

    ## 添加浮动轴和网格线
    ax1.axis["t"] = ax1.new_floating_axis(0, 3)
    ax1.axis["t2"] = ax1.new_floating_axis(1, 7)
    ax1.grid(True, zorder=0)

def curvelinear_test2(fig):
    ## 定义自定义变换
    tr = Affine2D().scale(np.pi/180, 1) + PolarAxes.PolarTransform()

    ## 定义极值查找器、网格定位器和刻度格式化器
    extreme_finder = angle_helper.ExtremeFinderCycle(
        nx=20, ny=20,
        lon_cycle=360, lat_cycle=None,
        lon_minmax=None, lat_minmax=(0, np.inf),
    )
    grid_locator1 = angle_helper.LocatorDMS(12)
    tick_formatter1 = angle_helper.FormatterDMS()

    ## 创建GridHelperCurveLinear对象
    grid_helper = GridHelperCurveLinear(
        tr, extreme_finder=extreme_finder,
        grid_locator1=grid_locator1, tick_formatter1=tick_formatter1)
    ax1 = fig.add_subplot(
        1, 2, 2, axes_class=HostAxes, grid_helper=grid_helper)

    ## 使右侧和顶部轴的刻度标签可见
    ax1.axis["right"].major_ticklabels.set_visible(True)
    ax1.axis["top"].major_ticklabels.set_visible(True)

    ## 让右侧轴显示第一个坐标（角度）的刻度标签
    ax1.axis["right"].get_helper().nth_coord_ticks = 0

    ## 让底部轴显示第二个坐标（半径）的刻度标签
    ax1.axis["bottom"].get_helper().nth_coord_ticks = 1

    ## 设置子图的纵横比和限制
    ax1.set_aspect(1)
    ax1.set_xlim(-5, 12)
    ax1.set_ylim(-5, 10)

    ## 向子图添加网格线
    ax1.grid(True, zorder=0)

    ## 使用给定的变换创建一个寄生轴
    ax2 = ax1.get_aux_axes(tr)

    ## 在ax2中绘制的任何内容都将与ax1的刻度和网格匹配。
    ax2.plot(np.linspace(0, 30, 51), np.linspace(10, 10, 51), linewidth=2)

    ax2.pcolor(np.linspace(0, 90, 4), np.linspace(0, 10, 4),
               np.arange(9).reshape((3, 3)))
    ax2.contour(np.linspace(0, 90, 4), np.linspace(0, 10, 4),
                np.arange(16).reshape((4, 4)), colors="k")

fig = plt.figure(figsize=(7, 4))
curvelinear_test1(fig)
curvelinear_test2(fig)
plt.show()

总结

在本实验中，我们学习了如何使用 GridHelperCurveLinear 创建自定义网格和刻度线。我们还学习了如何使用 Affine2D、PolarAxes.PolarTransform 和 GridHelperCurveLinear 在矩形框中创建极坐标投影。

Matplotlib 曲线网格

简介

虚拟机使用提示

自定义变换的网格

矩形框中的极坐标投影

最终代码

总结