matplotlib.transforms#

Vererbungsdiagramm von matplotlib.transforms

Matplotlib enthält ein Framework für beliebige geometrische Transformationen, das verwendet wird, um die endgültige Position aller auf der Leinwand gezeichneten Elemente zu bestimmen.

Transformationen werden in Bäume von TransformNodeObjekten zusammengesetzt, deren tatsächlicher Wert von ihren Kindern abhängt. Wenn sich der Inhalt von Kindern ändert, werden ihre Eltern automatisch ungültig. Wenn das nächste Mal auf eine ungültig gemachte Transformation zugegriffen wird, wird sie neu berechnet, um diese Änderungen widerzuspiegeln. Dieser Invalidierungs-/Caching-Ansatz verhindert unnötige Neuberechnungen von Transformationen und trägt zu einer besseren interaktiven Leistung bei.

Hier ist beispielsweise ein Diagramm des Transformationsbaums, der zum Zeichnen von Daten im Diagramm verwendet wird:

../_images/transforms.png

Das Gerüst kann sowohl für affine als auch für nicht-affine Transformationen verwendet werden. Aus Geschwindigkeitsgründen möchten wir jedoch, wann immer möglich, die Backend-Renderer verwenden, um affine Transformationen durchzuführen. Daher ist es möglich, nur den affinen oder nicht-affinen Teil einer Transformation an einem Datensatz durchzuführen. Es wird immer angenommen, dass das Affine nach dem Nicht-Affinen auftritt. Für jede Transformation:

full transform == non-affine part + affine part

Von den Backends wird nicht erwartet, dass sie nicht-affine Transformationen selbst verarbeiten.

Beispiele zur Verwendung von Transformationen finden Sie im Tutorial Transformations-Tutorial .

Klasse matplotlib.transforms. Affine2D ( matrix = None , ** kwargs ) [Quelle] #

Basen:Affine2DBase

Eine veränderliche affine 2D-Transformation.

Initialisieren Sie eine affine Transformation aus einem 3x3-numpy-Float-Array:

a c e
b d f
0 0 1

Wenn Matrix None ist, initialisieren Sie mit der Identitätstransformation.

__init__ ( matrix = None , ** kwargs ) [Quelle] #

Initialisieren Sie eine affine Transformation aus einem 3x3-numpy-Float-Array:

a c e
b d f
0 0 1

Wenn Matrix None ist, initialisieren Sie mit der Identitätstransformation.

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

löschen ( ) [Quelle] #

Setzen Sie die zugrunde liegende Matrix auf die Identitätstransformation zurück.

statische from_values ​​( a , b , c , d , e , f ) [Quelle] #

Erstellen Sie eine neue Affine2D-Instanz aus den angegebenen Werten:

a c e
b d f
0 0 1

.

get_matrix ( ) [Quelle] #

Holen Sie sich die zugrunde liegende Transformationsmatrix als 3x3-numpy-Array:

a c e
b d f
0 0 1

.

statische Identität ( ) [Quelle] #

[ Veraltet ] Gibt ein neues Affine2DObjekt zurück, das die Identitätstransformation ist.

Sofern diese Transformation nicht später mutiert wird, sollten Sie stattdessen die schnellere IdentityTransformKlasse verwenden.

Anmerkungen

Veraltet seit Version 3.6: Verwenden Sie stattdessen Affine2D().

rotieren ( Theta ) [Quelle] #

Fügen Sie dieser Transformation an Ort und Stelle eine Drehung (im Bogenmaß) hinzu.

Gibt self zurück , sodass diese Methode problemlos mit weiteren Aufrufen von rotate(), und verkettet werden rotate_deg()kann .translate()scale()

Rotate_around ( x , y , theta ) [Quelle] #

Fügen Sie eine Drehung (im Bogenmaß) um den Punkt (x, y) an Ort und Stelle hinzu.

Gibt self zurück , sodass diese Methode problemlos mit weiteren Aufrufen von rotate(), und verkettet werden rotate_deg()kann .translate()scale()

Rotate_deg ( Grad ) [Quelle] #

Fügen Sie dieser Transformation an Ort und Stelle eine Drehung (in Grad) hinzu.

Gibt self zurück , sodass diese Methode problemlos mit weiteren Aufrufen von rotate(), und verkettet werden rotate_deg()kann .translate()scale()

Rotate_deg_around ( x , y , Grad ) [Quelle] #

Fügen Sie eine Drehung (in Grad) um den Punkt (x, y) an Ort und Stelle hinzu.

Gibt self zurück , sodass diese Methode problemlos mit weiteren Aufrufen von rotate(), und verkettet werden rotate_deg()kann .translate()scale()

scale ( sx , sy = None ) [Quelle] #

Fügen Sie eine Skala hinzu.

Wenn sy „ None“ ist, wird dieselbe Skalierung sowohl in x- als auch in y -Richtung angewendet .

Gibt self zurück , sodass diese Methode problemlos mit weiteren Aufrufen von rotate(), und verkettet werden rotate_deg()kann .translate()scale()

set ( andere ) [Quelle] #

Legen Sie diese Transformation von der eingefrorenen Kopie eines anderen Affine2DBaseObjekts fest.

set_matrix ( mtx ) [Quelle] #

Legen Sie die zugrunde liegende Transformationsmatrix aus einem 3x3-numpy-Array fest:

a c e
b d f
0 0 1

.

Schräglage ( xShear , yShear ) [Quelle] #

Fügen Sie eine Schräglage hinzu.

xShear und yShear sind die Scherwinkel entlang der x- bzw. y -Achse im Bogenmaß.

Gibt self zurück , sodass diese Methode problemlos mit weiteren Aufrufen von rotate(), und verkettet werden rotate_deg()kann .translate()scale()

skew_deg ( xShear , yShear ) [Quelle] #

Fügen Sie eine Schräglage hinzu.

xShear und yShear sind die Scherwinkel entlang der x- bzw. y -Achse in Grad.

Gibt self zurück , sodass diese Methode problemlos mit weiteren Aufrufen von rotate(), und verkettet werden rotate_deg()kann .translate()scale()

translate ( tx , ty ) [Quelle] #

Fügen Sie eine Übersetzung hinzu.

Gibt self zurück , sodass diese Methode problemlos mit weiteren Aufrufen von rotate(), und verkettet werden rotate_deg()kann .translate()scale()

Klasse matplotlib.transforms. Affine2DBase ( * args , ** kwargs ) [Quelle] #

Basen:AffineBase

Die Basisklasse aller affinen 2D-Transformationen.

2D-affine Transformationen werden mit einem 3x3-numpy-Array durchgeführt:

a c e
b d f
0 0 1

Diese Klasse stellt die schreibgeschützte Schnittstelle bereit. Verwenden Sie für eine veränderliche affine 2D-Transformation Affine2D.

Unterklassen dieser Klasse müssen im Allgemeinen nur einen Konstruktor überschreiben get_matrix(), der eine benutzerdefinierte 3x3-Matrix generiert.

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__Anmerkungen__ = {} #
__module__ = 'matplotlib.transforms' #
eingefroren ( ) [Quelle] #

Gibt eine eingefrorene Kopie dieses Transformationsknotens zurück. Die eingefrorene Kopie wird nicht aktualisiert, wenn sich ihre Kinder ändern. Nützlich zum Speichern eines zuvor bekannten Zustands einer Transformation, wo er copy.deepcopy()normalerweise verwendet werden könnte.

has_inverse = True #

True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = 2 #

Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

Eigenschaft is_separable #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

output_dims = 2 #

Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

to_values ​​( ) [Quelle] #

Gibt die Werte der Matrix als Tupel zurück.(a, b, c, d, e, f)

transform_affine ( Punkte ) [Quelle] #

Wenden Sie nur den affinen Teil dieser Transformation auf das angegebene Array von Werten an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen ein no-op. Bei affinen Transformationen entspricht dies transform(values).

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

Klasse matplotlib.transforms. AffineBase ( * args , ** kwargs ) [Quelle] #

Basen:Transform

Die Basisklasse aller affinen Transformationen beliebig vieler Dimensionen.

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__Anmerkungen__ = {} #
__array__ ( * args , ** kwargs ) [Quelle] #

Array-Schnittstelle, um an die affine Matrix dieser Transformation zu gelangen.

__eq__ ( andere ) [Quelle] #

Selbst==Wert zurückgeben.

__hash__ = Keine #
__init__ ( * args , ** kwargs ) [Quelle] #
Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__module__ = 'matplotlib.transforms' #
get_affine ( ) [Quelle] #

Holen Sie sich den affinen Teil dieser Transformation.

is_affine = True #
transformieren ( Werte ) [Quelle] #

Wenden Sie diese Transformation auf das angegebene Array von Werten an .

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_affine ( Werte ) [Quelle] #

Wenden Sie nur den affinen Teil dieser Transformation auf das angegebene Array von Werten an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen ein no-op. Bei affinen Transformationen entspricht dies transform(values).

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_non_affine ( Punkte ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_path ( Pfad ) [Quelle] #

Wenden Sie die Transformation auf den Pfad an und geben Sie eine neue zurück .Path Path

In einigen Fällen kann diese Transformation Kurven in den Pfad einfügen, der als Liniensegmente begann.

transform_path_affine ( Pfad ) [Quelle] #

Wenden Sie den affinen Teil dieser Transformation auf path an und geben Sie ein neues zurück .Path Path

transform_path(path)ist äquivalent zu transform_path_affine(transform_path_non_affine(values)).

transform_path_non_affine ( Pfad ) [Quelle] #

Wenden Sie den nicht-affinen Teil dieser Transformation auf path an und geben Sie ein neues zurück .Path Path

transform_path(path)ist äquivalent zu transform_path_affine(transform_path_non_affine(values)).

Klasse matplotlib.transforms. AffineDeltaTransform ( transform , ** kwargs ) [Quelle] #

Basen:Affine2DBase

Ein Transformationswrapper zum Transformieren von Verschiebungen zwischen Punktpaaren.

Diese Klasse soll verwendet werden, um Verschiebungen ("Positionsdeltas") zwischen Paaren von Punkten (z. B. als die offset_transform von Collections) zu transformieren: bei einer gegebenen Transformation t, so dass , erfüllt .t = AffineDeltaTransform(t) + offsetAffineDeltaTransformAffineDeltaTransform(a - b) == AffineDeltaTransform(a) - AffineDeltaTransform(b)

Dies wird implementiert, indem die Offset-Komponenten der Transformationsmatrix auf Null gezwungen werden.

Diese Klasse ist seit 3.3 experimentell und die API kann sich ändern.

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__Anmerkungen__ = {} #
__init__ ( transform , ** kwargs ) [Quelle] #
Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

Klasse matplotlib.transforms. Bbox ( Punkte , ** kwargs ) [Quelle] #

Basen:BboxBase

Ein veränderlicher Begrenzungsrahmen.

Beispiele

Aus bekannten Grenzen erstellen

Der Standardkonstruktor nimmt die Grenze "points" .[[xmin, ymin], [xmax, ymax]]

>>> Bbox([[1, 1], [3, 7]])
Bbox([[1.0, 1.0], [3.0, 7.0]])

Alternativ kann aus dem abgeflachten Punkte-Array, den sogenannten „Extents“, eine Bbox erstellt werden.(xmin, ymin, xmax, ymax)

>>> Bbox.from_extents(1, 1, 3, 7)
Bbox([[1.0, 1.0], [3.0, 7.0]])

oder von der "Grenze" .(xmin, ymin, width, height)

>>> Bbox.from_bounds(1, 1, 2, 6)
Bbox([[1.0, 1.0], [3.0, 7.0]])

Erstellen Sie aus Sammlungen von Punkten

Das "leere" Objekt zum Ansammeln von Bboxen ist die Null-Bbox, die ein Ersatz für die leere Menge ist.

>>> Bbox.null()
Bbox([[inf, inf], [-inf, -inf]])

Wenn Sie Punkte zur Null-Bbox hinzufügen, erhalten Sie die Bbox dieser Punkte.

>>> box = Bbox.null()
>>> box.update_from_data_xy([[1, 1]])
>>> box
Bbox([[1.0, 1.0], [1.0, 1.0]])
>>> box.update_from_data_xy([[2, 3], [3, 2]], ignore=False)
>>> box
Bbox([[1.0, 1.0], [3.0, 3.0]])

Das Setzen ignore=Trueentspricht dem Neubeginn bei einer Null-Bbox.

>>> box.update_from_data_xy([[1, 1]], ignore=True)
>>> box
Bbox([[1.0, 1.0], [1.0, 1.0]])

Warnung

Es wird empfohlen, dies immer ignoreexplizit anzugeben. Falls nicht, kann der Standardwert von ignorejederzeit per Code mit Zugriff auf Ihre Bbox geändert werden, beispielsweise mit der Methode ignore.

Eigenschaften der ``null`` bbox

Notiz

Das aktuelle Verhalten von Bbox.null()mag überraschen, da es nicht alle Eigenschaften der "leeren Menge" hat und sich daher nicht wie ein "Null"-Objekt im mathematischen Sinne verhält. Wir können dies in Zukunft ändern (mit einer Auslauffrist).

Die Null-Bbox ist die Identität für Schnittpunkte

>>> Bbox.intersection(Bbox([[1, 1], [3, 7]]), Bbox.null())
Bbox([[1.0, 1.0], [3.0, 7.0]])

außer mit sich selbst, wo es den vollen Platz zurückgibt.

>>> Bbox.intersection(Bbox.null(), Bbox.null())
Bbox([[-inf, -inf], [inf, inf]])

Eine Union, die null enthält, gibt immer den gesamten Leerraum zurück (nicht den anderen Satz!)

>>> Bbox.union([Bbox([[0, 0], [0, 0]]), Bbox.null()])
Bbox([[-inf, -inf], [inf, inf]])
Parameter :
Punkte ndarray

Ein 2x2-numpy-Array der Form .[[x0, y0], [x1, y1]]

__Anmerkungen__ = {} #
__format__ ( fmt ) [Quelle] #

Standard-Objektformatierer.

__init__ ( Punkte , ** kwargs ) [Quelle] #
Parameter :
Punkte ndarray

Ein 2x2-numpy-Array der Form .[[x0, y0], [x1, y1]]

__module__ = 'matplotlib.transforms' #
__repr__ ( ) [Quelle] #

Repr(self) zurückgeben.

__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

Eigenschaftsgrenzen # _

Zurück ( x0, y0, width, height).

static from_bounds ( x0 , y0 , width , height ) [Quelle] #

Erstellen Sie eine neue Bboxaus x0 , y0 , Breite und Höhe .

Breite und Höhe können negativ sein.

static from_extents ( * args , minpos = None ) [Quelle] #

Erstellen Sie eine neue Bbox von links , unten , rechts und oben .

Die y -Achse steigt nach oben an.

Parameter :
links, unten, rechts, oben schweben

Die vier Ausdehnungen des Begrenzungsrahmens.

minpos Float oder None

Wenn dies bereitgestellt wird, wird die Bbox einen minimalen positiven Wert haben. Dies ist nützlich beim Umgang mit logarithmischen Skalen und anderen Skalen, bei denen negative Grenzen zu Gleitkommafehlern führen.

eingefroren ( ) [Quelle] #

Die Basisklasse für alles, was am Transformationsbaum teilnimmt und seine Eltern ungültig machen oder ungültig machen muss. Dazu gehören Klassen, die nicht wirklich Transformationen sind, wie z. B. Begrenzungsrahmen, da einige Transformationen von Begrenzungsrahmen abhängig sind, um ihre Werte zu berechnen.

get_points ( ) [Quelle] #

Holen Sie sich die Punkte des Begrenzungsrahmens direkt als numpy-Array der Form: .[[x0, y0], [x1, y1]]

ignorieren ( wert ) [Quelle] #

Legen Sie fest, ob die vorhandenen Begrenzungen der Box bei nachfolgenden Aufrufen von ignoriert werden sollen update_from_data_xy().

Wert bool
Eigenschaft Intervallx #

Das Paar von x -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert von links nach rechts sortiert.

Property -Intervall #

Das Paar von y -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert von unten nach oben sortiert.

Eigenschaft Minpos #

Der minimale positive Wert in beide Richtungen innerhalb der Bbox.

Dies ist nützlich beim Umgang mit logarithmischen Skalen und anderen Skalen, bei denen negative Grenzen zu Gleitkommafehlern führen, und wird anstelle von p0 als minimale Ausdehnung verwendet .

Eigenschaft minposx #

Der minimale positive Wert in x -Richtung innerhalb der Bbox.

Dies ist nützlich beim Umgang mit logarithmischen Skalen und anderen Skalen, bei denen negative Grenzen zu Gleitkommafehlern führen, und wird als minimale x -Ausdehnung anstelle von x0 verwendet .

Eigenschaft Minposy #

Der minimale positive Wert in y -Richtung innerhalb der Bbox.

Dies ist nützlich beim Umgang mit logarithmischen Skalen und anderen Skalen, bei denen negative Grenzen zu Gleitkommafehlern führen, und wird als minimale y -Ausdehnung anstelle von y0 verwendet .

mutiert ( ) [Quelle] #

Gibt zurück, ob sich die bbox seit der Init geändert hat.

mutatedx ( ) [Quelle] #

Gibt zurück, ob sich die x-Limits seit der Initialisierung geändert haben.

mutiert ( ) [Quelle] #

Gibt zurück, ob sich die y-Limits seit der Initialisierung geändert haben.

statische null ( ) [Quelle] #

Erstellen Sie eine neue Null Bboxvon (inf, inf) bis (-inf, -inf).

Eigenschaft p0 #

Das erste Koordinatenpaar ( x , y ), das den Begrenzungsrahmen definiert.

Dies ist nicht garantiert die untere linke Ecke (verwenden Sie dafür min).

Eigenschaft p1 #

Das zweite Koordinatenpaar ( x , y ), das den Begrenzungsrahmen definiert.

Es ist nicht garantiert, dass dies die obere rechte Ecke ist (verwenden Sie dafür max).

set ( andere ) [Quelle] #

Legen Sie diesen Begrenzungsrahmen aus den "eingefrorenen" Grenzen einer anderen fest Bbox.

set_points ( Punkte ) [Quelle] #

Legen Sie die Punkte des Begrenzungsrahmens direkt aus einem numpy-Array der Form fest: . Es wird keine Fehlerprüfung durchgeführt, da diese Methode hauptsächlich für den internen Gebrauch bestimmt ist.[[x0, y0], [x1, y1]]

Statische Einheit ( ) [Quelle] #

Erstellen Sie eine neue Einheit Bboxvon (0, 0) bis (1, 1).

update_from_data_x ( x , ignorieren = None ) [Quelle] #

Aktualisieren Sie die x-Grenzen von Bboxbasierend auf den übergebenen Daten. Nach der Aktualisierung haben die Grenzen eine positive Breite und x0 ist der Minimalwert.

Parameter :
x ndarray

Array von x-Werten.

Ignoriere bool, optional
  • Wenn True, ignorieren Sie die vorhandenen Grenzen der Bbox.

  • Wenn False, schließen Sie die vorhandenen Grenzen der ein Bbox.

  • Wenn None, verwenden Sie den letzten an übergebenen Wert ignore().

update_from_data_xy ( xy , ignorieren = None , updatex = True , updatey = True ) [Quelle] #

Aktualisieren Sie die Grenzen von Bboxbasierend auf den übergebenen Daten. Nach der Aktualisierung haben die Grenzen eine positive Breite und Höhe ; x0 und y0 sind die Minimalwerte.

Parameter :
xy ndarray

Ein numpy Array von 2D-Punkten.

Ignoriere bool, optional
  • Wenn True, ignorieren Sie die vorhandenen Grenzen der Bbox.

  • Wenn False, schließen Sie die vorhandenen Grenzen der ein Bbox.

  • Wenn None, verwenden Sie den letzten an übergebenen Wert ignore().

updatex, updatey bool, Standard: True

Wenn True, aktualisieren Sie die x/y-Werte.

update_from_data_y ( y , ignorieren = None ) [Quelle] #

Aktualisieren Sie die y-Grenzen von Bboxbasierend auf den übergebenen Daten. Nach der Aktualisierung haben die Grenzen eine positive Höhe und y0 ist der Minimalwert.

Parameter :
y ndarray

Array von y-Werten.

Ignoriere bool, optional
  • Wenn True, ignorieren Sie die vorhandenen Grenzen der Bbox.

  • Wenn False, schließen Sie die vorhandenen Grenzen der ein Bbox.

  • Wenn None, verwenden Sie den letzten an übergebenen Wert ignore().

update_from_path ( Pfad , Ignoriere = None , Updatex = True , Updatey = True ) [Quelle] #

Aktualisieren Sie die Grenzen von Bboxso, dass sie die Scheitelpunkte des bereitgestellten Pfads enthalten. Nach der Aktualisierung haben die Grenzen eine positive Breite und Höhe ; x0 und y0 sind die Minimalwerte.

Parameter :
WegPath
Ignoriere bool, optional
  • Wenn True, ignorieren Sie die vorhandenen Grenzen der Bbox.

  • Wenn False, schließen Sie die vorhandenen Grenzen von ein Bbox.

  • Wenn None, verwenden Sie den letzten Wert, der an übergeben wurde ignore().

updatex, updatey bool, Standard: True

Wenn True, aktualisieren Sie die x/y-Werte.

Eigenschaft x0 #

Die erste des Paars von x -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert kleiner als x1(verwenden Sie dafür xmin).

Eigenschaft x1 #

Die zweite des Paars von x -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert größer als x0(verwenden Sie dafür xmax).

Eigenschaft y0 #

Die erste des Paares von y -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert kleiner als y1(verwenden Sie dafür ymin).

Eigenschaft y1 #

Die zweite des Paares von y -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert größer als y0(verwenden Sie dafür ymax).

Klasse matplotlib.transforms. BboxBase ( shorthand_name = None ) [Quelle] #

Basen:TransformNode

Die Basisklasse aller Begrenzungsrahmen.

Diese Klasse ist unveränderlich; Bboxist eine veränderliche Unterklasse.

Die kanonische Darstellung besteht aus zwei Punkten, ohne Einschränkungen hinsichtlich ihrer Reihenfolge. Komforteigenschaften werden bereitgestellt, um den linken, unteren, rechten und oberen Rand sowie die Breite und Höhe zu erhalten, aber diese werden nicht explizit gespeichert.

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__Anmerkungen__ = {} #
__array__ ( * args , ** kwargs ) [Quelle] #
__module__ = 'matplotlib.transforms' #
verankert ( c , Container = None ) [Quelle] #

Geben Sie eine Kopie der Bboxverankerten an c innerhalb von container zurück .

Parameter :
c (float, float) oder {'C', 'SW', 'S', 'SE', 'E', 'NE', ...}

Entweder ein ( x , y ) Paar relativer Koordinaten (0 ist links oder unten, 1 ist rechts oder oben), 'C' (Mitte) oder eine Himmelsrichtung ('SW', Südwesten, ist unten links usw.) .

Behälter Bbox, wahlfrei

Das Feld, in dem das Bboxpositioniert ist; es ist standardmäßig auf die anfängliche Bbox.

Siehe auch

Axes.set_anchor
Eigenschaftsgrenzen # _

Zurück ( x0, y0, width, height).

coefs = {'C': (0.5, 0.5), 'E': (1.0, 0.5), 'N': (0.5, 1.0), 'NE': (1.0, 1.0), 'NW': (0, 1.0), 'S': (0.5, 0), 'SE': (1.0, 0), 'SW': (0, 0), 'W': (0, 0.5)} #
enthält ( x , y ) [Quelle] #

Geben Sie zurück, ob es sich im Begrenzungsrahmen oder an dessen Rand befindet.(x, y)

enthältx ( x ) [Quelle] #

Gibt zurück, ob x im geschlossenen ( x0, x1)-Intervall liegt.

enthälty ( y ) [Quelle] #

Gibt zurück, ob y im geschlossenen ( y0, y1)-Intervall liegt.

Ecken ( ) [Quelle] #

Gibt die Ecken dieses Rechtecks ​​als ein Array von Punkten zurück.

Dies gibt insbesondere das Array zurück .[[x0, y0], [x0, y1], [x1, y0], [x1, y1]]

count_contains ( Scheitelpunkte ) [Quelle] #

Zählen Sie die Anzahl der Knoten, die in der enthalten sind Bbox. Alle Scheitelpunkte mit einem nicht endlichen x- oder y-Wert werden ignoriert.

Parameter :
Knoten Nx2 Numpy-Array.
count_overlaps ( bboxes ) [Quelle] #

Zählen Sie die Anzahl der Begrenzungsrahmen, die diesen überlappen.

Parameter :
bboxes Folge vonBboxBase
erweitert ( sw , sh ) [Quelle] #

Konstruiere a Bbox, indem du dieses um seinen Mittelpunkt herum um die Faktoren sw und sh erweiterst .

Eigenschaftsbereiche # _

Zurück ( x0, y0, x1, y1).

eingefroren ( ) [Quelle] #

Die Basisklasse für alles, was am Transformationsbaum teilnimmt und seine Eltern ungültig machen oder ungültig machen muss. Dazu gehören Klassen, die nicht wirklich Transformationen sind, wie z. B. Begrenzungsrahmen, da einige Transformationen von Begrenzungsrahmen abhängig sind, um ihre Werte zu berechnen.

vollständig_enthält ( x , y ) [Quelle] #

Gibt zurück, ob es sich im Begrenzungsrahmen, aber nicht an seinem Rand befindet.x, y

vollständig_enthältx ( x ) [Quelle] #

Gibt zurück, ob x im offenen Intervall ( x0, ) liegt.x1

full_containsy ( y ) [Quelle] #

Gibt zurück, ob y im offenen ( y0, y1)-Intervall liegt.

full_overlaps ( andere ) [Quelle] #

Geben Sie zurück, ob sich dieser Begrenzungsrahmen mit dem anderen Begrenzungsrahmen überlappt, ohne die Kanten.

Parameter :
SonstigesBboxBase
get_points ( ) [Quelle] #
Grundstückshöhe # _

Die (vorzeichenbehaftete) Höhe des Begrenzungsrahmens.

statische Schnittmenge ( bbox1 , bbox2 ) [Quelle] #

Gibt den Schnittpunkt von bbox1 und bbox2 zurück , wenn sie sich schneiden, oder None, wenn sie sich nicht schneiden.

Eigenschaft Intervallx #

Das Paar von x -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert von links nach rechts sortiert.

Property -Intervall #

Das Paar von y -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert von unten nach oben sortiert.

is_affine = True #
is_bbox = True #
Eigenschaft max #

Die obere rechte Ecke des Begrenzungsrahmens.

Eigenschaft min #

Die linke untere Ecke des Begrenzungsrahmens.

überlappt ( andere ) [Quelle] #

Geben Sie zurück, ob sich dieser Begrenzungsrahmen mit dem anderen Begrenzungsrahmen überschneidet.

Parameter :
SonstigesBboxBase
Eigenschaft p0 #

Das erste Koordinatenpaar ( x , y ), das den Begrenzungsrahmen definiert.

Dies ist nicht garantiert die untere linke Ecke (verwenden Sie dafür min).

Eigenschaft p1 #

Das zweite Koordinatenpaar ( x , y ), das den Begrenzungsrahmen definiert.

Es ist nicht garantiert, dass dies die obere rechte Ecke ist (verwenden Sie dafür max).

aufgefüllt ( p ) [Quelle] #

Konstruieren Sie a Bbox, indem Sie dieses an allen vier Seiten mit p auffüllen .

gedreht ( Radiant ) [Quelle] #

Gibt den an den Achsen ausgerichteten Begrenzungsrahmen zurück, der das Ergebnis der Drehung Bboxum einen Winkel von Radiant begrenzt .

geschrumpft ( mx , my ) [Quelle] #

Geben Sie eine um den Faktor mx in x -Richtung und den Faktor my in yBbox -Richtung geschrumpfte Kopie der zurück . Die untere linke Ecke der Box bleibt unverändert. Normalerweise sind mx und my kleiner als 1, aber dies wird nicht erzwungen.

shrunk_to_aspect ( box_aspect , container = None , fig_aspect = 1.0 ) [Quelle] #

Geben Sie eine Kopie der zurück , die Bboxso verkleinert ist, dass sie so groß wie möglich ist und gleichzeitig das gewünschte Seitenverhältnis hat, box_aspect . Wenn die Boxkoordinaten relativ sind (dh Bruchteile einer größeren Box wie einer Figur), dann wird das physikalische Seitenverhältnis dieser Figur mit fig_aspect angegeben , sodass box_aspect auch als Verhältnis der absoluten Abmessungen angegeben werden kann, nicht der relativen Abmessungen .

Grundstücksgröße # _

Die (vorzeichenbehaftete) Breite und Höhe des Begrenzungsrahmens.

splitx ( * args ) [Quelle] #

Gibt eine Liste neuer BboxObjekte zurück, die durch Teilen des Originals mit vertikalen Linien an durch args angegebenen Bruchstellen gebildet wurde .

splity ( * args ) [Quelle] #

Gibt eine Liste neuer BboxObjekte zurück, die durch Teilen des Originals mit horizontalen Linien an durch args angegebenen Bruchstellen gebildet wurde .

transformiert ( transformieren ) [Quelle] #

Konstruieren Sie a Bbox, indem Sie dieses durch transform statisch transformieren .

übersetzt ( tx , ty ) [Quelle] #

Konstruieren Sie a Bbox, indem Sie dieses mit tx und ty übersetzen .

statische Vereinigung ( bboxes ) [Quelle] #

Gibt eine zurück Bbox, die alle angegebenen bboxes enthält .

Eigenschaftsbreite # _

Die (vorzeichenbehaftete) Breite des Begrenzungsrahmens.

Eigenschaft x0 #

Die erste des Paars von x -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert kleiner als x1(verwenden Sie dafür xmin).

Eigenschaft x1 #

Die zweite des Paars von x -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert größer als x0(verwenden Sie dafür xmax).

Eigenschaft xmax #

Der rechte Rand des Begrenzungsrahmens.

Eigenschaft xmin #

Der linke Rand des Begrenzungsrahmens.

Eigenschaft y0 #

Die erste des Paares von y -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert kleiner als y1(verwenden Sie dafür ymin).

Eigenschaft y1 #

Die zweite des Paares von y -Koordinaten, die den Begrenzungsrahmen definieren.

Dies ist nicht garantiert größer als y0(verwenden Sie dafür ymax).

Eigenschaft ymax #

Der obere Rand des Begrenzungsrahmens.

Eigenschaft ymin #

Der untere Rand des Begrenzungsrahmens.

Klasse matplotlib.transforms. BboxTransform ( boxin , boxout , ** kwargs ) [Quelle] #

Basen:Affine2DBase

BboxTransformtransformiert Punkte linear von einem Bboxzum anderen.

Erstellen Sie eine neue BboxTransform, die Punkte linear von boxin nach boxout transformiert .

__Anmerkungen__ = {} #
__init__ ( boxin , boxout , ** kwargs ) [Quelle] #

Erstellen Sie eine neue BboxTransform, die Punkte linear von boxin nach boxout transformiert .

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

is_separable = True #

True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

Klasse matplotlib.transforms. BboxTransformFrom ( boxin , ** kwargs ) [Quelle] #

Basen:Affine2DBase

BboxTransformFromtransformiert Punkte von einer gegebenen Bboxin die Begrenzungsbox der Einheit linear.

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__Anmerkungen__ = {} #
__init__ ( boxin , ** kwargs ) [Quelle] #
Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

is_separable = True #

True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

Klasse matplotlib.transforms. BboxTransformTo ( boxout , ** kwargs ) [Quelle] #

Basen:Affine2DBase

BboxTransformToist eine Transformation, die Punkte aus dem Begrenzungsrahmen der Einheit linear in einen gegebenen transformiert Bbox.

Erstellen Sie eine neue BboxTransformTo, die Punkte aus dem Begrenzungsrahmen der Einheit linear in Boxout umwandelt .

__Anmerkungen__ = {} #
__init__ ( boxout , ** kwargs ) [Quelle] #

Erstellen Sie eine neue BboxTransformTo, die Punkte aus dem Begrenzungsrahmen der Einheit linear in Boxout umwandelt .

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

is_separable = True #

True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

Klasse matplotlib.transforms. BboxTransformToMaxOnly ( boxout , ** kwargs ) [Quelle] #

Basen:BboxTransformTo

BboxTransformToist eine Transformation, die Punkte aus dem Begrenzungsrahmen der Einheit linear in einen gegebenen Wert Bboxmit einer festen oberen linken Ecke von (0, 0) transformiert.

Erstellen Sie eine neue BboxTransformTo, die Punkte aus dem Begrenzungsrahmen der Einheit linear in Boxout umwandelt .

__Anmerkungen__ = {} #
__module__ = 'matplotlib.transforms' #
get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

Klasse matplotlib.transforms. BlendedAffine2D ( x_transform , y_transform , ** kwargs ) [Quelle] #

Basen: _BlendedMixin,Affine2DBase

Eine "gemischte" Transformation verwendet eine Transformation für die x -Richtung und eine andere Transformation für die y -Richtung.

Diese Version ist eine Optimierung für den Fall, dass beide untergeordneten Transformationen vom Typ sind Affine2DBase.

Erstellen Sie eine neue "gemischte" Transformation, indem Sie x_transform verwenden , um die x -Achse zu transformieren , und y_transform , um die y -Achse zu transformieren .

Sowohl x_transform als auch y_transform müssen affine 2D-Transformationen sein.

Sie werden diesen Konstruktor im Allgemeinen nicht direkt aufrufen, sondern stattdessen die blended_transform_factoryFunktion verwenden, die automatisch bestimmen kann, welche Art von gemischter Transformation erstellt werden soll.

__Anmerkungen__ = {} #
__init__ ( x_transform , y_transform , ** kwargs ) [Quelle] #

Erstellen Sie eine neue "gemischte" Transformation, indem Sie x_transform verwenden , um die x -Achse zu transformieren , und y_transform , um die y -Achse zu transformieren .

Sowohl x_transform als auch y_transform müssen affine 2D-Transformationen sein.

Sie werden diesen Konstruktor im Allgemeinen nicht direkt aufrufen, sondern stattdessen die blended_transform_factoryFunktion verwenden, die automatisch bestimmen kann, welche Art von gemischter Transformation erstellt werden soll.

__module__ = 'matplotlib.transforms' #
get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

is_separable = True #

True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

Klasse matplotlib.transforms. BlendedGenericTransform ( x_transform , y_transform , ** kwargs ) [Quelle] #

Basen: _BlendedMixin,Transform

Eine "gemischte" Transformation verwendet eine Transformation für die x -Richtung und eine andere Transformation für die y -Richtung.

Diese "generische" Version kann jede gegebene untergeordnete Transformation in x- und y -Richtung verarbeiten .

Erstellen Sie eine neue "gemischte" Transformation, indem Sie x_transform verwenden , um die x -Achse zu transformieren , und y_transform , um die y -Achse zu transformieren .

Sie werden diesen Konstruktor im Allgemeinen nicht direkt aufrufen, sondern stattdessen die blended_transform_factoryFunktion verwenden, die automatisch bestimmen kann, welche Art von gemischter Transformation erstellt werden soll.

__Anmerkungen__ = {} #
__init__ ( x_transform , y_transform , ** kwargs ) [Quelle] #

Erstellen Sie eine neue "gemischte" Transformation, indem Sie x_transform verwenden , um die x -Achse zu transformieren , und y_transform , um die y -Achse zu transformieren .

Sie werden diesen Konstruktor im Allgemeinen nicht direkt aufrufen, sondern stattdessen die blended_transform_factoryFunktion verwenden, die automatisch bestimmen kann, welche Art von gemischter Transformation erstellt werden soll.

__module__ = 'matplotlib.transforms' #
contains_branch ( other ) [Quelle] #

Gibt zurück, ob die angegebene Transformation ein Teilbaum dieser Transformation ist.

Diese Routine verwendet Transformationsgleichheit, um Teilbäume zu identifizieren, daher wird in vielen Situationen die Objekt-ID verwendet.

Für den Fall, dass die gegebene Transformation die gesamte Transformation darstellt, wird True zurückgegeben.

Eigenschaftstiefe # _

Gibt die Anzahl der Transformationen zurück, die miteinander verkettet wurden, um diese Transformationsinstanz zu bilden.

Notiz

Für den Sonderfall einer zusammengesetzten Transformation wird die maximale Tiefe der beiden zurückgegeben.

eingefroren ( ) [Quelle] #

Gibt eine eingefrorene Kopie dieses Transformationsknotens zurück. Die eingefrorene Kopie wird nicht aktualisiert, wenn sich ihre Kinder ändern. Nützlich zum Speichern eines zuvor bekannten Zustands einer Transformation, wo er copy.deepcopy()normalerweise verwendet werden könnte.

get_affine ( ) [Quelle] #

Holen Sie sich den affinen Teil dieser Transformation.

Eigenschaft has_inverse #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

input_dims = 2 #

Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

Eigenschaft ist_affin #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

is_separable = True #

True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = 2 #

Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

pass_through = True #

Wenn pass_through True ist, werden immer alle Vorfahren ungültig gemacht, selbst wenn „self“ bereits ungültig ist.

transform_non_affine ( Punkte ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

Klasse matplotlib.transforms. CompositeAffine2D ( a , b , ** kwargs ) [Quelle] #

Basen:Affine2DBase

Eine zusammengesetzte Transformation, die durch Anwenden von Transformation a und dann Transformation b gebildet wird .

Diese Version ist eine Optimierung, die den Fall handhabt, in dem sowohl a als auch b 2D-Affinen sind.

Erstellen Sie eine neue zusammengesetzte Transformation, die das Ergebnis der Anwendung von a und dann b ist .Affine2DBase Affine2DBase

Sie werden diesen Konstruktor im Allgemeinen nicht direkt aufrufen, sondern stattdessen schreiben , wodurch automatisch die beste Art der zu erstellenden zusammengesetzten Transformationsinstanz ausgewählt wird.a + b

__Anmerkungen__ = {} #
__init__ ( a , b , ** kwargs ) [Quelle] #

Erstellen Sie eine neue zusammengesetzte Transformation, die das Ergebnis der Anwendung von a und dann b ist .Affine2DBase Affine2DBase

Sie werden diesen Konstruktor im Allgemeinen nicht direkt aufrufen, sondern stattdessen schreiben , wodurch automatisch die beste Art der zu erstellenden zusammengesetzten Transformationsinstanz ausgewählt wird.a + b

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

Eigenschaftstiefe # _

Gibt die Anzahl der Transformationen zurück, die miteinander verkettet wurden, um diese Transformationsinstanz zu bilden.

Notiz

Für den Sonderfall einer zusammengesetzten Transformation wird die maximale Tiefe der beiden zurückgegeben.

get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

Klasse matplotlib.transforms. CompositeGenericTransform ( a , b , ** kwargs ) [Quelle] #

Basen:Transform

Eine zusammengesetzte Transformation, die durch Anwenden von Transformation a und dann Transformation b gebildet wird .

Diese "generische" Version kann zwei beliebige Transformationen handhaben.

Erstellen Sie eine neue zusammengesetzte Transformation, die das Ergebnis der Anwendung von Transformation a und dann von Transformation b ist .

Sie werden diesen Konstruktor im Allgemeinen nicht direkt aufrufen, sondern stattdessen schreiben , wodurch automatisch die beste Art der zu erstellenden zusammengesetzten Transformationsinstanz ausgewählt wird.a + b

__Anmerkungen__ = {} #
__eq__ ( andere ) [Quelle] #

Selbst==Wert zurückgeben.

__hash__ = Keine #
__init__ ( a , b , ** kwargs ) [Quelle] #

Erstellen Sie eine neue zusammengesetzte Transformation, die das Ergebnis der Anwendung von Transformation a und dann von Transformation b ist .

Sie werden diesen Konstruktor im Allgemeinen nicht direkt aufrufen, sondern stattdessen schreiben , wodurch automatisch die beste Art der zu erstellenden zusammengesetzten Transformationsinstanz ausgewählt wird.a + b

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

Eigenschaftstiefe # _

Gibt die Anzahl der Transformationen zurück, die miteinander verkettet wurden, um diese Transformationsinstanz zu bilden.

Notiz

Für den Sonderfall einer zusammengesetzten Transformation wird die maximale Tiefe der beiden zurückgegeben.

eingefroren ( ) [Quelle] #

Gibt eine eingefrorene Kopie dieses Transformationsknotens zurück. Die eingefrorene Kopie wird nicht aktualisiert, wenn sich ihre Kinder ändern. Nützlich zum Speichern eines zuvor bekannten Zustands einer Transformation, wo er copy.deepcopy()normalerweise verwendet werden könnte.

get_affine ( ) [Quelle] #

Holen Sie sich den affinen Teil dieser Transformation.

Eigenschaft has_inverse #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

Eigenschaft ist_affin #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

Eigenschaft is_separable #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

pass_through = True #

Wenn pass_through True ist, werden immer alle Vorfahren ungültig gemacht, selbst wenn „self“ bereits ungültig ist.

transform_affine ( Punkte ) [Quelle] #

Wenden Sie nur den affinen Teil dieser Transformation auf das angegebene Array von Werten an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen ein no-op. Bei affinen Transformationen entspricht dies transform(values).

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_non_affine ( Punkte ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_path_non_affine ( Pfad ) [Quelle] #

Wenden Sie den nicht-affinen Teil dieser Transformation auf path an und geben Sie ein neues zurück .Path Path

transform_path(path)ist äquivalent zu transform_path_affine(transform_path_non_affine(values)).

Klasse matplotlib.transforms. IdentityTransform ( * args , ** kwargs ) [Quelle] #

Basen:Affine2DBase

Eine spezielle Klasse, die eine Sache schnell erledigt, die Identitätstransformation.

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__Anmerkungen__ = {} #
__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

eingefroren ( ) [Quelle] #

Gibt eine eingefrorene Kopie dieses Transformationsknotens zurück. Die eingefrorene Kopie wird nicht aktualisiert, wenn sich ihre Kinder ändern. Nützlich zum Speichern eines zuvor bekannten Zustands einer Transformation, wo er copy.deepcopy()normalerweise verwendet werden könnte.

get_affine ( ) [Quelle] #

Holen Sie sich den affinen Teil dieser Transformation.

get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

transformieren ( Punkte ) [Quelle] #

Wenden Sie diese Transformation auf das angegebene Array von Werten an .

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_affine ( Punkte ) [Quelle] #

Wenden Sie nur den affinen Teil dieser Transformation auf das angegebene Array von Werten an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen ein no-op. Bei affinen Transformationen entspricht dies transform(values).

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_non_affine ( Punkte ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_path ( Pfad ) [Quelle] #

Wenden Sie die Transformation auf den Pfad an und geben Sie eine neue zurück .Path Path

In einigen Fällen kann diese Transformation Kurven in den Pfad einfügen, der als Liniensegmente begann.

transform_path_affine ( Pfad ) [Quelle] #

Wenden Sie den affinen Teil dieser Transformation auf path an und geben Sie ein neues zurück .Path Path

transform_path(path)ist äquivalent zu transform_path_affine(transform_path_non_affine(values)).

transform_path_non_affine ( Pfad ) [Quelle] #

Wenden Sie den nicht-affinen Teil dieser Transformation auf path an und geben Sie ein neues zurück .Path Path

transform_path(path)ist äquivalent zu transform_path_affine(transform_path_non_affine(values)).

Klasse matplotlib.transforms. LockableBbox ( bbox , x0 = None , y0 = None , x1 = None , y1 = None , ** kwargs ) [Quelle] #

Basen:BboxBase

A Bbox, wo einige Elemente bei bestimmten Werten gesperrt werden können.

Wenn sich der untergeordnete Begrenzungsrahmen ändert, werden die Grenzen dieser BBox mit Ausnahme der gesperrten Elemente entsprechend aktualisiert.

Parameter :
bboxBbox

Der zu umschließende untergeordnete Begrenzungsrahmen.

x0 Float oder None

Der gesperrte Wert für x0 oder „None“ zum Freilassen.

y0 Float oder None

Der gesperrte Wert für y0 oder None, um die Sperre aufzuheben.

x1 Float oder None

Der gesperrte Wert für x1 oder „None“ zum Freilassen.

y1 Float oder None

Der gesperrte Wert für y1 oder „None“ zum Freilassen.

__Anmerkungen__ = {} #
__init__ ( bbox , x0 = Keine , y0 = Keine , x1 = Keine , y1 = Keine , ** kwargs ) [Quelle] #
Parameter :
bboxBbox

Der zu umschließende untergeordnete Begrenzungsrahmen.

x0 Float oder None

Der gesperrte Wert für x0 oder „None“ zum Freilassen.

y0 Float oder None

Der gesperrte Wert für y0 oder None, um die Sperre aufzuheben.

x1 Float oder None

Der gesperrte Wert für x1 oder „None“ zum Freilassen.

y1 Float oder None

Der gesperrte Wert für y1 oder „None“ zum Freilassen.

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

get_points ( ) [Quelle] #
Eigenschaft gesperrt_x0 #

Float oder None: Der Wert, der für das gesperrte x0 verwendet wird.

Eigenschaft gesperrt_x1 #

Float oder None: Der Wert, der für das gesperrte x1 verwendet wird.

Eigenschaft gesperrt_y0 #

Float oder None: Der Wert, der für das gesperrte y0 verwendet wird.

Eigenschaft gesperrt_y1 #

Float oder None: Der Wert, der für das gesperrte y1 verwendet wird.

Klasse matplotlib.transforms. ScaledTranslation ( xt , yt , scale_trans , ** kwargs ) [Quelle] #

Basen:Affine2DBase

Eine Transformation, die durch xt und yt übersetzt , nachdem xt und yt durch scale_trans transformiert wurden .

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__Anmerkungen__ = {} #
__init__ ( xt , yt , scale_trans , ** kwargs ) [Quelle] #
Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

Klasse matplotlib.transforms. Transformieren ( shorthand_name = None ) [Quelle] #

Basen:TransformNode

Die Basisklasse aller TransformNodeInstanzen, die tatsächlich eine Transformation durchführen.

Alle nicht-affinen Transformationen sollten Unterklassen dieser Klasse sein. Neue affine Transformationen sollten Unterklassen von sein Affine2D.

Unterklassen dieser Klasse sollten (mindestens) die folgenden Mitglieder überschreiben:

Die folgenden Attribute können überschrieben werden, wenn die Standardeinstellung ungeeignet ist:

  • is_separable(Standardeinstellung True für 1D -> 1D-Transformationen, andernfalls False)

  • has_inverse(standardmäßig True, wenn inverted()überschrieben, andernfalls False)

Wenn die Transformation mit Objekten etwas nicht Standardmäßiges tun muss matplotlib.path.Path, z. B. das Hinzufügen von Kurven, wo früher Liniensegmente waren, sollte sie Folgendes überschreiben:

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__add__ ( andere ) [Quelle] #

Setzen Sie zwei Transformationen zusammen, sodass auf self other folgt .

A + Bgibt eine Transformation zurück, Csodass .C.transform(x) == B.transform(A.transform(x))

__Anmerkungen__ = {} #
__array__ ( * args , ** kwargs ) [Quelle] #

Array-Schnittstelle, um an die affine Matrix dieser Transformation zu gelangen.

Klassenmethode __init_subclass__ ( ) [Quelle] #

Diese Methode wird aufgerufen, wenn eine Klasse abgeleitet wird.

Die Standardimplementierung tut nichts. Es kann überschrieben werden, um Unterklassen zu erweitern.

__module__ = 'matplotlib.transforms' #
__sub__ ( andere ) [Quelle] #

Bilde self mit der Umkehrung von other , streiche identische Begriffe, falls vorhanden:

# In general:
A - B == A + B.inverted()
# (but see note regarding frozen transforms below).

# If A "ends with" B (i.e. A == A' + B for some A') we can cancel
# out B:
(A' + B) - B == A'

# Likewise, if B "starts with" A (B = A + B'), we can cancel out A:
A - (A + B') == B'.inverted() == B'^-1

Eine Stornierung (anstatt einer naiven Rückgabe ) ist aus mehreren Gründen wichtig:A + B.inverted()

  • Es vermeidet Gleitkomma-Ungenauigkeiten bei der Berechnung der Umkehrung von B: hebt sich garantiert genau auf (was zur Identitätstransformation führt), während es sich um ein kleines Epsilon unterscheiden kann.B - BB + B.inverted()

  • B.inverted()gibt immer eine eingefrorene Transformation zurück: Wenn man berechnet und später mutiert , dann wird es nicht aktualisiert und die letzten beiden Terme heben sich nicht mehr auf; auf der anderen Seite wird immer gleich sein, auch wenn mutiert ist.A + B + B.inverted()BB.inverted()A + B - BAB

contains_branch ( other ) [Quelle] #

Gibt zurück, ob die angegebene Transformation ein Teilbaum dieser Transformation ist.

Diese Routine verwendet Transformationsgleichheit, um Teilbäume zu identifizieren, daher wird in vielen Situationen die Objekt-ID verwendet.

Für den Fall, dass die gegebene Transformation die gesamte Transformation darstellt, wird True zurückgegeben.

contains_branch_seperately ( other_transform ) [Quelle] #

Gibt zurück, ob der angegebene Zweig ein Teilbaum dieser Transformation in jeder separaten Dimension ist.

Diese Methode wird häufig verwendet, um festzustellen, ob eine Transformation eine gemischte Transformation ist, die eine Axes-Datentransformation enthält. z.B:

x_isdata, y_isdata = trans.contains_branch_seperately(ax.transData)
Eigenschaftstiefe # _

Gibt die Anzahl der Transformationen zurück, die miteinander verkettet wurden, um diese Transformationsinstanz zu bilden.

Notiz

Für den Sonderfall einer zusammengesetzten Transformation wird die maximale Tiefe der beiden zurückgegeben.

get_affine ( ) [Quelle] #

Holen Sie sich den affinen Teil dieser Transformation.

get_matrix ( ) [Quelle] #

Holen Sie sich die Matrix für den affinen Teil dieser Transformation.

has_inverse = Falsch #

True, wenn diese Transformation eine entsprechende inverse Transformation hat.

input_dims = Keine #

Die Anzahl der Eingabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

invertiert ( ) [Quelle] #

Geben Sie die entsprechende inverse Transformation zurück.

Es hält .x == self.inverted().transform(self.transform(x))

Der Rückgabewert dieser Methode sollte als temporär behandelt werden. Eine Aktualisierung von self bewirkt keine entsprechende Aktualisierung seiner invertierten Kopie.

is_separable = False #

True, wenn diese Transformation in der x- und y-Dimension trennbar ist.

output_dims = Keine #

Die Anzahl der Ausgabedimensionen dieser Transformation. Muss in der Unterklasse (mit ganzen Zahlen) überschrieben werden.

transformieren ( Werte ) [Quelle] #

Wenden Sie diese Transformation auf das angegebene Array von Werten an .

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_affine ( Werte ) [Quelle] #

Wenden Sie nur den affinen Teil dieser Transformation auf das angegebene Array von Werten an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen ist dies im Allgemeinen ein no-op. Bei affinen Transformationen entspricht dies transform(values).

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_angles ( angles , pts , radians = False , pushoff = 1e-05 ) [Quelle] #

Transformieren Sie eine Reihe von Winkeln, die an bestimmten Stellen verankert sind.

Parameter :
Winkel (N,) reihenartig

Die zu transformierenden Winkel.

pts (N, 2) Array-artig

Die Punkte, an denen die Winkel verankert sind.

Bogenmaß bool, Standard: False

Ob Winkel Bogenmaß oder Grad sind.

Abstoßschwimmer _

Für jeden Punkt in pts und jeden Winkel in angles wird der transformierte Winkel berechnet, indem ein Längenabdrucksegment , beginnend an diesem Punkt, transformiert und dieser Winkel relativ zur horizontalen Achse gebildet wird, und der Winkel zwischen der horizontalen Achse und dem transformierten Segment gemessen wird.

Rückgaben :
(N,)-Array
transform_bbox ( bbox ) [Quelle] #

Transformieren Sie den angegebenen Begrenzungsrahmen.

Für intelligentere Transformationen einschließlich Caching (eine häufige Anforderung in Matplotlib) siehe TransformedBbox.

transform_non_affine ( Werte ) [Quelle] #

Wenden Sie nur den nicht-affinen Teil dieser Transformation an.

transform(values)ist immer gleichbedeutend mit transform_affine(transform_non_affine(values)).

Bei nicht-affinen Transformationen entspricht dies im Allgemeinen transform(values). Bei affinen Transformationen ist dies immer ein No-Op.

Parameter :
Werte -Array

Die Eingabewerte als NumPy-Array der Länge input_dimsoder Form (N x input_dims).

Rückgaben :
Reihe

Die Ausgabewerte als NumPy-Array mit Länge output_dimsoder Form (N x output_dims), je nach Eingabe.

transform_path ( Pfad ) [Quelle] #

Wenden Sie die Transformation auf den Pfad an und geben Sie eine neue zurück .Path Path

In einigen Fällen kann diese Transformation Kurven in den Pfad einfügen, der als Liniensegmente begann.

transform_path_affine ( Pfad ) [Quelle] #

Wenden Sie den affinen Teil dieser Transformation auf path an und geben Sie ein neues zurück .Path Path

transform_path(path)ist äquivalent zu transform_path_affine(transform_path_non_affine(values)).

transform_path_non_affine ( Pfad ) [Quelle] #

Wenden Sie den nicht-affinen Teil dieser Transformation auf path an und geben Sie ein neues zurück .Path Path

transform_path(path)ist äquivalent zu transform_path_affine(transform_path_non_affine(values)).

transform_point ( Punkt ) [Quelle] #

Gibt einen transformierten Punkt zurück.

Diese Funktion wird nur aus Gründen der Abwärtskompatibilität beibehalten; Das allgemeinere transformVerfahren kann sowohl eine Liste von Punkten als auch einen einzelnen Punkt transformieren.

Der Punkt wird als Folge der Länge angegeben input_dims. Der transformierte Punkt wird als Sequenz der Länge zurückgegeben output_dims.

Klasse matplotlib.transforms. TransformNode ( shorthand_name = None ) [Quelle] #

Basen:object

Die Basisklasse für alles, was am Transformationsbaum teilnimmt und seine Eltern ungültig machen oder ungültig machen muss. Dazu gehören Klassen, die nicht wirklich Transformationen sind, wie z. B. Begrenzungsrahmen, da einige Transformationen von Begrenzungsrahmen abhängig sind, um ihre Werte zu berechnen.

Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

UNGÜLTIG = 3 #
INVALID_AFFINE = 2 #
INVALID_NON_AFFINE = 1 #
__Anmerkungen__ = {} #
__copy__ ( ) [Quelle] #
__dict__ = mappingproxy({'__module__': 'matplotlib.transforms', '__doc__': '\n Die Basisklasse für alles , was am Transformationsbaum teilnimmt \n und seine Eltern ungültig machen oder ungültig gemacht werden muss . Dazu gehören \ n Klassen die nicht wirklich Transformationen sind, wie z . B. Begrenzungsrahmen , da einige Transformationen von Begrenzungen abhängen                   Boxen , um ihre Werte zu berechnen .\n ', 'INVALID_NON_AFFINE': 1, 'INVALID_AFFINE': 2, 'INVALID': 3, 'is_affine': False, 'is_bbox': False, 'pass_through': False, '__init__': <Funktion TransformNode.__init__>, '__getstate__': <Funktion TransformNode.__getstate__>, '__setstate__': <Funktion TransformNode.__setstate__>, '__copy__': <Funktion TransformNode.__copy__>, 'invalidate': <Funktion TransformNode.invalidate>, '_invalidate_internal':     <function TransformNode._invalidate_internal>, 'set_children': <function TransformNode.set_children>, 'frozen': <function TransformNode.frozen>, '__dict__': <Attribut '__dict__' von 'TransformNode'- Objekten>, '__weakref__': < Attribut '__weakref__' von 'TransformNode'- Objekten>, '__annotations__': {}}) #
__getstate__ ( ) [Quelle] #
__init__ ( shorthand_name = None ) [Quelle] #
Parameter :
Kurzname str

Eine Zeichenfolge, die den "Namen" der Transformation darstellt. Der Name hat keine andere Bedeutung, als die Lesbarkeit zu verbessern, str(transform)wenn DEBUG=True.

__module__ = 'matplotlib.transforms' #
__setstate__ ( data_dict ) [Quelle] #
__weakref__ #

Liste schwacher Verweise auf das Objekt (falls definiert)

eingefroren ( ) [Quelle] #

Gibt eine eingefrorene Kopie dieses Transformationsknotens zurück. Die eingefrorene Kopie wird nicht aktualisiert, wenn sich ihre Kinder ändern. Nützlich zum Speichern eines zuvor bekannten Zustands einer Transformation, wo er copy.deepcopy()normalerweise verwendet werden könnte.

ungültig machen ( ) [Quelle] #

Invalidiere dies TransformNodeund löst eine Invalidierung seiner Vorfahren aus. Sollte jederzeit aufgerufen werden, wenn sich die Transformation ändert.

is_affine = Falsch #
is_bbox = Falsch #
pass_through = Falsch #

Wenn pass_through True ist, werden immer alle Vorfahren ungültig gemacht, selbst wenn „self“ bereits ungültig ist.

set_children ( * children ) [Quelle] #

Legen Sie die untergeordneten Elemente der Transformation fest, damit das Invalidierungssystem weiß, welche Transformationen diese Transformation ungültig machen können. Sollte vom Konstruktor aller Transformationen aufgerufen werden, die von anderen Transformationen abhängen.

Klasse matplotlib.transforms. TransformWrapper ( Kind ) [Quelle] #

Basen:Transform

Eine Hilfsklasse, die eine einzelne untergeordnete Transformation enthält und sich äquivalent dazu verhält.

Dies ist nützlich, wenn ein Knoten des Transformationsbaums zur Laufzeit durch eine Transformation eines anderen Typs ersetzt werden muss. Diese Klasse ermöglicht, dass diese Ersetzung die Invalidierung korrekt auslöst.

TransformWrapperInstanzen müssen während ihrer gesamten Lebensdauer dieselben Eingabe- und Ausgabedimensionen haben, sodass die untergeordnete Transformation nur durch eine andere untergeordnete Transformation mit denselben Dimensionen ersetzt werden kann.

Kind : Eine TransformInstanz. Dieses untergeordnete Element kann später durch ersetzt werden set().

__Anmerkungen__ = {} #
__eq__ ( andere ) [Quelle] #

Selbst==Wert zurückgeben.

__hash__ = Keine #
__init__ ( Kind ) [Quelle] #

Kind : Eine TransformInstanz. Dieses untergeordnete Element kann später durch ersetzt werden set().

__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

eingefroren ( ) [Quelle] #

Gibt eine eingefrorene Kopie dieses Transformationsknotens zurück. Die eingefrorene Kopie wird nicht aktualisiert, wenn sich ihre Kinder ändern. Nützlich zum Speichern eines zuvor bekannten Zustands einer Transformation, wo er copy.deepcopy()normalerweise verwendet werden könnte.

Eigenschaft has_inverse #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

Eigenschaft ist_affin #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

Eigenschaft is_separable #

bool(x) -> bool

Gibt True zurück, wenn das Argument x wahr ist, andernfalls False. Die Builtins True und False sind die einzigen zwei Instanzen der Klasse bool. Die Klasse bool ist eine Unterklasse der Klasse int und kann nicht unterklassiert werden.

pass_through = True #

Wenn pass_through True ist, werden immer alle Vorfahren ungültig gemacht, selbst wenn „self“ bereits ungültig ist.

set ( Kind ) [Quelle] #

Ersetzen Sie das aktuelle untergeordnete Element dieser Transformation durch ein anderes.

Das neue untergeordnete Element muss die gleiche Anzahl von Eingabe- und Ausgabedimensionen wie das aktuelle untergeordnete Element haben.

Klasse matplotlib.transforms. TransformedBbox ( bbox , transform , ** kwargs ) [Quelle] #

Basen:BboxBase

A Bbox, das automatisch durch eine gegebene Transformation transformiert wird. Wenn sich entweder der untergeordnete Begrenzungsrahmen oder die Transformation ändert, werden die Grenzen dieser BBox entsprechend aktualisiert.

Parameter :
bboxBbox
verwandelnTransform
__Anmerkungen__ = {} #
__init__ ( bbox , transform , ** kwargs ) [Quelle] #
Parameter :
bboxBbox
verwandelnTransform
__module__ = 'matplotlib.transforms' #
__str__ ( ) [Quelle] #

Geben Sie str(selbst) zurück.

get_points ( ) [Quelle] #
Klasse matplotlib.transforms. TransformedPatchPath ( Patch ) [Quelle] #

Basen:TransformedPath

A TransformedPatchPathspeichert eine nicht affine transformierte Kopie der Patch. Diese zwischengespeicherte Kopie wird automatisch aktualisiert, wenn sich der nicht-affine Teil der Transformation oder des Patches ändert.

Parameter :
PatchPatch
__Anmerkungen__ = {} #
__init__ ( Patch ) [Quelle] #
Parameter :
PatchPatch
__module__ = 'matplotlib.transforms' #
Klasse matplotlib.transforms. TransformedPath ( path , transform ) [Quelle] #

Basen:TransformNode

A TransformedPathspeichert eine nicht affine transformierte Kopie der Path. Diese zwischengespeicherte Kopie wird automatisch aktualisiert, wenn sich der nicht-affine Teil der Transformation ändert.

Notiz

Pfade werden von dieser Klasse als unveränderlich betrachtet. Eine Aktualisierung der Scheitelpunkte/Codes des Pfads löst keine Neuberechnung der Transformation aus.

Parameter :
WegPath
verwandelnTransform
__Anmerkungen__ = {} #
__init__ ( path , transform ) [Quelle] #
Parameter :
WegPath
verwandelnTransform
__module__ = 'matplotlib.transforms' #
get_affine ( ) [Quelle] #
get_fully_transformed_path ( ) [Quelle] #

Geben Sie eine vollständig transformierte Kopie des untergeordneten Pfads zurück.

get_transformed_path_and_affine ( ) [Quelle] #

Geben Sie eine Kopie des untergeordneten Pfads zurück, wobei der nicht-affine Teil der Transformation bereits angewendet wurde, zusammen mit dem affinen Teil des Pfads, der zum Abschließen der Transformation erforderlich ist.

get_transformed_points_and_affine ( ) [Quelle] #

Geben Sie eine Kopie des untergeordneten Pfads zurück, wobei der nicht-affine Teil der Transformation bereits angewendet wurde, zusammen mit dem affinen Teil des Pfads, der zum Abschließen der Transformation erforderlich ist. Im Gegensatz get_transformed_path_and_affine()zu wird keine Interpolation durchgeführt.

matplotlib.transforms. blended_transform_factory ( x_transform , y_transform ) [Quelle] #

Erstellen Sie eine neue "gemischte" Transformation, indem Sie x_transform verwenden , um die x -Achse zu transformieren , und y_transform , um die y -Achse zu transformieren .

Für den Fall, dass beide untergeordneten Transformationen affin sind, wird eine schnellere Version der gemischten Transformation zurückgegeben.

matplotlib.transforms. composite_transform_factory ( a , b ) [Quelle] #

Erstellen Sie eine neue zusammengesetzte Transformation, die das Ergebnis der Anwendung von Transformation a und dann von Transformation b ist.

Abgekürzte Versionen der gemischten Transformation werden für den Fall bereitgestellt, in dem beide untergeordneten Transformationen affin sind oder die eine oder andere die Identitätstransformation ist.

Zusammengesetzte Transformationen können auch mit dem '+'-Operator erstellt werden, z. B.:

c = a + b
matplotlib.transforms. interval_contains ( Intervall , Wert ) [Quelle] #

Prüfen Sie einschließlich, ob ein Intervall einen bestimmten Wert enthält.

Parameter :
Intervall (float, float)

Die Endpunkte des Intervalls.

Wert Schwimmer

Zu prüfender Wert liegt innerhalb des Intervalls.

Rückgaben :
bool

Ob val innerhalb des Intervalls liegt .

matplotlib.transforms. interval_contains_open ( Intervall , Wert ) [Quelle] #

Prüfen Sie ohne Endpunkte, ob ein Intervall einen bestimmten Wert enthält.

Parameter :
Intervall (float, float)

Die Endpunkte des Intervalls.

Wert Schwimmer

Zu prüfender Wert liegt innerhalb des Intervalls.

Rückgaben :
bool

Ob val innerhalb des Intervalls liegt .

matplotlib.transforms. nicht singulär ( vmin , vmax , expander = 0.001 , tiny = 1e-15 , steigende = True ) [Quelle] #

Ändern Sie die Endpunkte eines Bereichs nach Bedarf, um Singularitäten zu vermeiden.

Parameter :
vmin, vmax Float

Die anfänglichen Endpunkte.

Expanderschwimmer , Standard: 0,001

Bruchteil , um den vmin und vmax erweitert werden, wenn das ursprüngliche Intervall zu klein ist, basierend auf tiny .

winziger Schwimmer, Standard: 1e-15

Schwelle für das Verhältnis des Intervalls zum maximalen Absolutwert seiner Endpunkte. Wenn das Intervall kleiner ist, wird es erweitert. Dieser Wert sollte etwa 1e-15 oder größer sein; andernfalls nähert sich das Intervall der Auflösungsgrenze mit doppelter Genauigkeit.

steigender bool, Standard: True

Wenn True, tausche vmin und vmax aus, wenn vmin > vmax .

Rückgaben :
vmin, vmax Float

Endpunkte, ggf. erweitert und/oder getauscht. Wenn eine der Eingaben inf oder NaN ist oder wenn beide Eingaben 0 oder sehr nahe bei Null sind, wird - expander , expander zurückgegeben .

matplotlib.transforms. offset_copy ( trans , fig = None , x = 0.0 , y = 0.0 , units = 'inches' ) [source] #

Gibt eine neue Transformation mit einem hinzugefügten Offset zurück.

Parameter :
Trans Transform-Unterklasse

Jede Transformation, auf die Offset angewendet wird.

fig Figure, Standard: Keine

Aktuelle Zahl. Es kann None sein, wenn die Einheiten „Punkte“ sind.

x, y Float, Standard: 0,0

Der anzuwendende Offset.

Einheiten {'Zoll', 'Punkte', 'Punkte'}, Standard: 'Zoll'

Einheiten des Offsets.

Rückgaben :
TransformUnterklasse

Mit angewendetem Offset transformieren.