对于瀑布图中的“虚拟第三轴”，什么是正确的matplotlib变换？

Question

在改进this question的答案时，我跌入了死胡同。你知道吗

我想要实现的是在matplotlib中创建一个“假”3D瀑布图，其中单个线条图（或可能的任何其他图类型）在图形像素坐标中偏移，并在彼此后面绘制。这一部分已经很好地工作了，使用我的代码示例（见下文），您应该能够绘制十条等价的线，这些线在x和y方向上被fig.dpi/10.偏移，并通过zorder在彼此后面绘制。你知道吗

请注意，我还添加了fill_between()，以使“深度提示”zorder更可见。你知道吗

我陷入困境的地方是我想添加一个“第三轴”，即一条线（稍后可能用一些记号格式化），它与每一行的基（即数据单位为[0,0]）正确对齐。你知道吗

由于这不是一次性的（即解决方案不应仅在静态像素坐标下工作），而必须在重新缩放时正确操作，尤其是在交互操作时，这一事实可能会使问题更加复杂。 如您所见，例如xlim的设置允许您“按预期”重新缩放线条（最好是您以交互方式尝试），但是我尝试插入的红线（未来轴）并没有以与每个线条图的基础相同的方式进行转置。你知道吗

我不想寻找的是依赖于mpl_toolkits.mplot3d的Axes3D的解决方案，因为这会导致与zorder和zoom相关的许多其他问题，而这正是我通过提出自己的“伪3D绘图”试图避免的。你知道吗

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.transforms import Affine2D,IdentityTransform

def offset(myFig,myAx,n=1,xOff=60,yOff=60):
    """
        this function will apply a shift of  n*dx, n*dy
        where e.g. n=2, xOff=10 would yield a 20px offset in x-direction
    """
    ## scale by fig.dpi to have offset in pixels!
    dx, dy = xOff/myFig.dpi , yOff/myFig.dpi 
    t_data = myAx.transData 
    t_off = mpl.transforms.ScaledTranslation( n*dx, n*dy, myFig.dpi_scale_trans)
    return t_data + t_off

fig,axes=plt.subplots(nrows=1, ncols=3,figsize=(10,5))

ys=np.arange(0,5,0.5)
print(len(ys))

## just to have the lines colored in some uniform way
cmap = mpl.cm.get_cmap('viridis')
norm=mpl.colors.Normalize(vmin=ys.min(),vmax=ys.max())

## this defines the offset in pixels
xOff=10 
yOff=10

for ax in axes:
    ## plot the lines
    for yi,yv in enumerate(ys):
        zo=(len(ys)-yi)
        ax.plot([0,0.5,1],[0,1,0],color=cmap(norm(yv)),
                zorder=zo, ## to order them "behind" each other
        ## here we apply the offset to each plot:
                transform=offset(fig,ax,n=yi,xOff=xOff,yOff=yOff)
        )

        ### optional: add a fill_between to make layering more obvious
        ax.fill_between([0,0.5,1],[0,1,0],0,
                facecolor=cmap(norm(yv)),edgecolor="None",alpha=0.1,
                zorder=zo-1, ## to order them "behind" each other
        ## here we apply the offset to each plot:
                transform=offset(fig,ax,n=yi,xOff=xOff,yOff=yOff)
        )

    ##################################
    ####### this is the important bit:
    ax.plot([0,2],[0,2],color='r',zorder=100,clip_on=False,
        transform=ax.transData+mpl.transforms.ScaledTranslation(0.,0., fig.dpi_scale_trans)
    )

## make sure to set them "manually", as autoscaling will fail due to transformations
for ax in axes:
    ax.set_ylim(0,2)

axes[0].set_xlim(0,1)
axes[1].set_xlim(0,2)
axes[2].set_xlim(0,3)

### Note: the default fig.dpi is 100, hence an offset of of xOff=10px will become 30px when saving at 300dpi!
# plt.savefig("./test.png",dpi=300)

plt.show()

---

更新：

我现在在下面添加了一个动画，它显示了堆叠的线在缩放/平移时的行为，以及它们的“基线”（蓝色圆圈）如何随绘图移动，而不是静态的OriginLineTrans解决方案（绿线）或我的转换线（红色，虚线）。你知道吗

附着点观察不同的变换，可通过以下方式插入：

ax.scatter([0],[0],edgecolors="b",zorder=200,facecolors="None",s=10**2,)
ax.scatter([0],[0],edgecolors="b",zorder=200,facecolors="None",s=10**2,transform=offset(fig,ax,n=len(ys)-1,xOff=xOff,yOff=yOff),label="attachment points")

Answer 1

问题归结如下：

如何生产

• 从坐标轴中的原点（0,0）开始
• 在物理坐标（像素空间）中以angle的角度演化

使用matpotlib变换？你知道吗

问题是轴坐标中的原点可能因子地块位置而异。所以我看到的唯一选择就是创建一些

• 变换到像素空间
• 转换为像素空间中的原点
• 将坐标系（例如，在x方向）倾斜给定的角度
• 转换回轴的原点

可能是这样的

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.transforms as mtrans


class OriginLineTrans(mtrans.Transform):
    input_dims = 2
    output_dims = 2
    def __init__(self, origin, angle, axes):
        self.axes = axes
        self.origin = origin
        self.angle = angle # in radiants
        super().__init__()

    def get_affine(self):
        origin = ax.transAxes.transform_point(self.origin)
        trans = ax.transAxes + \
                mtrans.Affine2D().translate(*(-origin)) \
                .skew(self.angle, 0).translate(*origin)
        return trans.get_affine()



fig, ax = plt.subplots()
ax.plot([0,0], [0,1], transform=OriginLineTrans((0,0), np.arctan(1), ax))

plt.show()

注意，对于原始问题，角度是np.arctan(dx/dy)。你知道吗