axisartist 工具組#
警告
axisartist 使用自訂的 Axes 類別（衍生自 Matplotlib 原生的 Axes 類別）。副作用是，某些命令（主要與刻度相關）無法運作。
axisartist 包含一個自訂的 Axes 類別，旨在支援曲線網格（例如，天文學中的世界座標系統）。與 Matplotlib 原生的 Axes 類別使用 Axes.xaxis 和 Axes.yaxis 來繪製刻度、刻度線等不同，axisartist 使用特殊的藝術家 (AxisArtist) 來處理彎曲座標系統的刻度、刻度線等。
由於它使用特殊的藝術家，因此某些適用於 Axes.xaxis 和 Axes.yaxis 的 Matplotlib 命令可能無法運作。
axisartist#
axisartist 模組提供一個自訂（且非常實驗性）的 Axes 類別，其中每個軸（左、右、上和下）都有一個單獨的相關藝術家，負責繪製軸線、刻度、刻度標籤和標籤。您也可以建立自己的軸，該軸可以穿過軸座標中的固定位置，或資料座標中的固定位置（即，當視圖限制變更時，軸會浮動）。
預設情況下，軸類別的 xaxis 和 yaxis 為不可見，並且有 4 個額外的藝術家負責繪製「左」、「右」、「下」和「上」四個軸脊線。它們以 ax.axis["left"]、ax.axis["right"] 等方式存取，即 ax.axis 是一個包含藝術家的字典（請注意，ax.axis 仍然是一個可呼叫的方法，其行為與 Matplotlib 中的原始 Axes.axis 方法相同）。
若要建立 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)
或建立子圖
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，您可以使用以下方式隱藏右側和頂部的脊線
ax.axis["right"].set_visible(False)
ax.axis["top"].set_visible(False)
也可以新增水平軸。例如，您可以在 y=0 處有一個水平軸（在資料座標中）。
ax.axis["y=0"] = ax.new_floating_axis(nth_coord=0, value=0)
或具有一些偏移的固定軸
# make new (right-side) yaxis, but with some offset
ax.axis["right2"] = ax.new_fixed_axis(loc="right", offset=(20, 0))
使用 ParasiteAxes 的 axisartist#
axes_grid1 工具組中的大多數命令都可以採用 axes_class 關鍵字引數，並且這些命令會建立給定類別的 Axes。例如，若要建立具有 axisartist.Axes 的主子圖，
import mpl_toolkits.axisartist as AA
from mpl_toolkits.axes_grid1 import host_subplot
host = host_subplot(111, axes_class=AA.Axes)
以下是一個使用 ParasiteAxes 的範例。
曲線網格#
AxisArtist 模組背後的動機是支援曲線網格和刻度。
浮動軸#
AxisArtist 也支援外軸定義為浮動軸的浮動軸。
axisartist 名稱空間#
axisartist 名稱空間包含一個衍生的 Axes 實作。最大的差異在於，負責繪製軸線、刻度、刻度標籤和軸標籤的藝術家與 Matplotlib 的 Axis 類別分離，後者在原始的 Matplotlib 中不僅僅是藝術家。此變更主要是為了支援曲線網格。以下是 mpl_toolkits.axisartist.Axes 與 Matplotlib 原生 Axes 的幾個不同之處。
軸元素（軸線（脊線）、刻度、刻度標籤和軸標籤）由 AxisArtist 實例繪製。與 Axis 不同，左軸、右軸、上軸和下軸由不同的藝術家繪製。而且它們每個都可能有不同的刻度位置和不同的刻度標籤。
格線由 Gridlines 實例繪製。此變更的動機是，在曲線座標中，格線可能不會穿過軸線（即，沒有相關的刻度）。在原始的 Axes 類別中，格線會繫結至刻度。
必要時可以旋轉刻度線（即，沿著格線）
總之，所有這些變更都是為了支援
曲線網格。
浮動軸
mpl_toolkits.axisartist.Axes 類別定義了 axis 屬性，該屬性是一個 AxisArtist 實例的字典。預設情況下，此字典有 4 個 AxisArtist 實例，負責繪製左軸、右軸、下軸和上軸。
xaxis 和 yaxis 屬性仍然可用，但它們設定為不可見。由於使用單獨的藝術家進行軸渲染，因此 Matplotlib 中某些與軸相關的方法可能沒有效果。除了 AxisArtist 實例之外，mpl_toolkits.axisartist.Axes 還會具有 gridlines 屬性 (Gridlines)，該屬性顯然會繪製格線。
在 AxisArtist 和 Gridlines 中，刻度和格線位置的計算都會委派給 GridHelper 類別的實例。mpl_toolkits.axisartist.Axes 類別使用 GridHelperRectlinear 作為格線協助程式。GridHelperRectlinear 類別是 Matplotlib 原生 Axes 的 xaxis 和 yaxis 的包裝函式，旨在以 Matplotlib 原生軸的方式運作。例如，使用 set_ticks 方法等方式變更刻度位置應如預期般運作。但是，藝術家屬性（例如，色彩）的變更通常不會生效，儘管已盡力確保會尊重一些經常變更的屬性（色彩等）。
AxisArtist#
AxisArtist 可以視為具有以下屬性的容器藝術家，這些屬性會繪製刻度、標籤等。
line
major_ticks, major_ticklabels
minor_ticks, minor_ticklabels
offsetText
label
line#
衍生自 Line2D 類別。負責繪製脊狀線。
major_ticks, minor_ticks#
衍生自 Line2D 類別。請注意，刻度是標記。
major_ticklabels, minor_ticklabels#
衍生自 Text。請注意，它不是 Text 藝術家的列表，而是一個單一的藝術家（類似於集合）。
axislabel#
衍生自 Text。
預設 AxisArtists#
預設情況下，會定義以下軸藝術家。
ax.axis["left"], ax.axis["bottom"], ax.axis["right"], ax.axis["top"]
頂部和右側軸的刻度標籤和軸標籤設定為不可見。
例如，如果您想要變更底部 x 軸的 major_ticklabels 的色彩屬性
ax.axis["bottom"].major_ticklabels.set_color("b")
同樣地，若要讓刻度標籤不可見
ax.axis["bottom"].major_ticklabels.set_visible(False)
AxisArtist 提供一個輔助方法來控制刻度、刻度標籤和標籤的可見性。若要讓刻度標籤不可見，
ax.axis["bottom"].toggle(ticklabels=False)
若要讓所有刻度、刻度標籤和（軸）標籤不可見
ax.axis["bottom"].toggle(all=False)
若要關閉所有項目但開啟刻度
ax.axis["bottom"].toggle(all=False, ticks=True)
若要開啟所有項目但關閉（軸）標籤
ax.axis["bottom"].toggle(all=True, label=False)
ax.axis 的 __getitem__ 方法可以採用多個軸名稱。例如，若要開啟「上」和「右」軸的刻度標籤，
ax.axis["top", "right"].toggle(ticklabels=True)
請注意，ax.axis["top", "right"] 會傳回一個簡單的 Proxy 物件，該物件會將以上程式碼轉譯為如下程式碼。
for n in ["top", "right"]:
ax.axis[n].toggle(ticklabels=True)
因此，for 迴圈中的任何傳回值都會被忽略。您不應將它用於簡單方法以外的任何用途。
就像清單索引 ":" 表示所有項目一樣，即
ax.axis[:].major_ticks.set_color("r")
變更所有軸的刻度色彩。
如何做#
變更刻度位置和標籤。
與原始 Matplotlib 的軸相同
ax.set_xticks([1, 2, 3])
變更軸屬性，例如色彩等。
變更適當藝術家的屬性。例如，若要變更刻度標籤的色彩
ax.axis["left"].major_ticklabels.set_color("r")
若要變更多個軸的屬性
ax.axis["left", "bottom"].major_ticklabels.set_color("r")
或變更所有軸的屬性
ax.axis[:].major_ticklabels.set_color("r")
若要變更刻度大小（長度），您需要使用 axis.major_ticks.set_ticksize 方法。若要變更刻度方向（刻度預設與刻度標籤方向相反），請使用 axis.major_ticks.set_tick_out 方法。
若要變更刻度和刻度標籤之間的間距，請使用 axis.major_ticklabels.set_pad 方法。
若要變更刻度標籤和軸標籤之間的間距，請使用 axis.label.set_pad 方法。
刻度標籤的旋轉和對齊#
這也與標準 Matplotlib 非常不同，而且可能會造成混淆。當您想要旋轉刻度標籤時，請先考慮使用 "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 的參數是 ["left"、"right"、"bottom"、"top"] 其中之一。
您必須了解方向的一些基本概念。
有一個參考方向，其定義為座標增加時軸線的方向。例如，左 x 軸的參考方向是從下到上。
刻度、刻度標籤和軸標籤的方向、文字角度和對齊方式是根據參考方向來判斷的
label_direction 和 ticklabel_direction 是參考方向的右側 (+) 或左側 (-)。
刻度預設會朝向與刻度標籤相反的方向繪製。
刻度標籤和標籤的文字旋轉方向分別參考 ticklabel_direction 或 label_direction 屬性決定。刻度標籤和標籤的旋轉是錨定的。
另一方面，還有一個「axis_direction」的概念。這是針對每個「底部」、「左側」、「頂部」和「右側」軸的上述屬性的預設設定。
參考方向 |
標籤方向 |
標籤旋轉 |
水平對齊 |
垂直對齊 |
|---|---|---|---|---|
左 |
'-' |
180 |
右 |
置中 |
底部 |
'+' |
0 |
置中 |
頂部 |
右 |
'+' |
0 |
右 |
置中 |
頂部 |
'-' |
180 |
置中 |
底部 |
參考方向 |
標籤方向 |
標籤旋轉 |
水平對齊 |
垂直對齊 |
|---|---|---|---|---|
左 |
'-' |
90 |
右 |
置中 |
底部 |
'+' |
0 |
置中 |
基準線 |
右 |
'+' |
-90 |
右 |
置中 |
頂部 |
'-' |
180 |
置中 |
基準線 |
並且，'set_axis_direction("top")' 表示調整文字旋轉等設定，使其適用於「頂部」軸。軸方向的概念在彎曲軸中會更為清晰。
axis_direction 可以在 AxisArtist 層級調整，也可以在其子繪圖物件（例如，刻度、刻度標籤和軸標籤）的層級調整。
ax1.axis["left"].set_axis_direction("top")
會變更與「左」軸相關的所有繪圖物件的 axis_direction，而
ax1.axis["left"].major_ticklabels.set_axis_direction("top")
只會變更主要刻度標籤的 axis_direction。請注意，在 AxisArtist 層級設定 set_axis_direction 會變更 ticklabel_direction 和 label_direction，而變更刻度、刻度標籤和軸標籤的 axis_direction 不會影響它們。
如果您想讓刻度向外，刻度標籤在軸內，請使用 invert_ticklabel_direction 方法。
ax.axis[:].invert_ticklabel_direction()
一個相關的方法是「set_tick_out」。它會讓刻度向外（事實上，它會讓刻度朝向與預設方向相反的方向）。
ax.axis[:].major_ticks.set_tick_out(True)
總結來說，
AxisArtist 的方法
set_axis_direction：「左」、「右」、「底部」或「頂部」
set_ticklabel_direction：「+」或「-」
set_axislabel_direction：「+」或「-」
invert_ticklabel_direction
刻度的方法（major_ticks 和 minor_ticks）
set_tick_out：True 或 False
set_ticksize：以點為單位的尺寸
刻度標籤的方法（major_ticklabels 和 minor_ticklabels）
set_axis_direction：「左」、「右」、「底部」或「頂部」
set_rotation：相對於參考方向的角度
set_ha 和 set_va：請參閱下方
軸標籤的方法（label）
set_axis_direction：「左」、「右」、「底部」或「頂部」
set_rotation：相對於參考方向的角度
set_ha 和 set_va
調整刻度標籤對齊方式#
刻度標籤的對齊方式會經過特殊處理。請參閱下方
調整間距#
要變更刻度和刻度標籤之間的間距
ax.axis["left"].major_ticklabels.set_pad(10)
或刻度標籤和軸標籤之間的間距
ax.axis["left"].label.set_pad(10)
GridHelper#
要實際定義曲線座標，您必須使用自己的網格輔助器。提供了一個通用版本的網格輔助器類別，此類別應足以應付大多數情況。使用者可以提供兩個函數，定義從曲線座標到（直線）圖像座標的轉換（及其反向配對）。請注意，雖然刻度和網格是針對曲線座標繪製的，但軸本身的資料轉換 (ax.transData) 仍然是直線（圖像）座標。
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 實例來代替（但必須定義反向轉換）。通常，曲線座標系統中的座標範圍可能有限，或可能有循環。在這些情況下，需要更客製化的網格輔助器版本。
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
)
同樣地，軸的 *transData* 仍然是直線座標（圖像座標）。您可以手動執行兩個座標之間的轉換，也可以為了方便起見而使用 Parasite Axes。
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.
FloatingAxis#
浮動軸是指其中一個資料座標固定的軸，也就是說，它的位置不是固定在 Axes 座標中，而是隨著軸的資料限制變更而變更。可以使用 *new_floating_axis* 方法建立浮動軸。但是，您有責任將產生的 AxisArtist 正確新增至軸。建議的方法是將其作為軸的 axis 屬性的項目新增。
# 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)
請參閱此頁的第一個範例。
目前限制和待辦事項#
程式碼需要更多精煉。以下是不完整的問題和待辦事項清單
沒有簡單的方法來支援使用者客製化的刻度位置（針對曲線網格）。需要建立新的 Locator 類別。
FloatingAxis 可能有座標限制，例如，x = 0 的浮動軸，但 y 僅從 0 跨越到 1。
FloatingAxis 的軸標籤位置需要選擇性地以座標值給定。例如，x=0 的浮動軸，標籤在 y=1