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 TransformNode
Objekten 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:
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' #
- 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
Affine2D
Objekt zurück, das die Identitätstransformation ist.Sofern diese Transformation nicht später mutiert wird, sollten Sie stattdessen die schnellere
IdentityTransform
Klasse 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 werdenrotate_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 werdenrotate_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 werdenrotate_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 werdenrotate_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 werdenrotate_deg()
kann .translate()
scale()
- set ( andere ) [Quelle] #
Legen Sie diese Transformation von der eingefrorenen Kopie eines anderen
Affine2DBase
Objekts 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 werdenrotate_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 werdenrotate_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 werdenrotate_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.
- transform_affine ( Punkte ) [Quelle] #
Wenden Sie nur den affinen Teil dieser Transformation auf das angegebene Array von Werten an.
transform(values)
ist immer gleichbedeutend mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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.
- __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' #
- 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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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 mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_dims
), je nach Eingabe.
- transform_non_affine ( Punkte ) [Quelle] #
Wenden Sie nur den nicht-affinen Teil dieser Transformation an.
transform(values)
ist immer gleichbedeutend mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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.
- 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
vonCollection
s) zu transformieren: bei einer gegebenen Transformationt
, so dass , erfüllt .t = AffineDeltaTransform(t) + offset
AffineDeltaTransform
AffineDeltaTransform(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' #
- 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=True
entspricht 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
ignore
explizit anzugeben. Falls nicht, kann der Standardwert vonignore
jederzeit per Code mit Zugriff auf Ihre Bbox geändert werden, beispielsweise mit der Methodeignore
.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__ = {} #
- __init__ ( Punkte , ** kwargs ) [Quelle] #
- Parameter :
- Punkte ndarray
Ein 2x2-numpy-Array der Form .
[[x0, y0], [x1, y1]]
- __module__ = 'matplotlib.transforms' #
- static from_bounds ( x0 , y0 , width , height ) [Quelle] #
Erstellen Sie eine neue
Bbox
aus 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
Wenn
True
,update_from_data_xy()
ignorieren nachfolgende Aufrufe die vorhandenen Grenzen vonBbox
.Wenn
False
, enthalten nachfolgende Aufrufe vonupdate_from_data_xy()
die vorhandenen Grenzen vonBbox
.
- 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 .
- 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]]
- update_from_data_x ( x , ignorieren = None ) [Quelle] #
Aktualisieren Sie die x-Grenzen von
Bbox
basierend auf den übergebenen Daten. Nach der Aktualisierung haben die Grenzen eine positive Breite und x0 ist der Minimalwert.
- update_from_data_xy ( xy , ignorieren = None , updatex = True , updatey = True ) [Quelle] #
Aktualisieren Sie die Grenzen von
Bbox
basierend 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
- 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
Bbox
basierend auf den übergebenen Daten. Nach der Aktualisierung haben die Grenzen eine positive Höhe und y0 ist der Minimalwert.
- update_from_path ( Pfad , Ignoriere = None , Updatex = True , Updatey = True ) [Quelle] #
Aktualisieren Sie die Grenzen von
Bbox
so, 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 :
- Weg
Path
- Ignoriere bool, optional
- updatex, updatey bool, Standard: True
Wenn
True
, aktualisieren Sie die x/y-Werte.
- Weg
- Eigenschaft x0 #
Die erste des Paars von x -Koordinaten, die den Begrenzungsrahmen definieren.
Dies ist nicht garantiert kleiner als
x1
(verwenden Sie dafürxmin
).
- Eigenschaft x1 #
Die zweite des Paars von x -Koordinaten, die den Begrenzungsrahmen definieren.
Dies ist nicht garantiert größer als
x0
(verwenden Sie dafürxmax
).
- Klasse matplotlib.transforms. BboxBase ( shorthand_name = None ) [Quelle] #
Basen:
TransformNode
Die Basisklasse aller Begrenzungsrahmen.
Diese Klasse ist unveränderlich;
Bbox
ist 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__ = {} #
- __module__ = 'matplotlib.transforms' #
- verankert ( c , Container = None ) [Quelle] #
Geben Sie eine Kopie der
Bbox
verankerten 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
Bbox
positioniert ist; es ist standardmäßig auf die anfänglicheBbox
.
Siehe auch
- 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)
- 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 von
BboxBase
- bboxes Folge von
- erweitert ( sw , sh ) [Quelle] #
Konstruiere a
Bbox
, indem du dieses um seinen Mittelpunkt herum um die Faktoren sw und sh erweiterst .
- 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
- full_overlaps ( andere ) [Quelle] #
Geben Sie zurück, ob sich dieser Begrenzungsrahmen mit dem anderen Begrenzungsrahmen überlappt, ohne die Kanten.
- Parameter :
- Sonstiges
BboxBase
- Sonstiges
- 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 :
- Sonstiges
BboxBase
- Sonstiges
- 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
Bbox
um einen Winkel von Radiant begrenzt .
- geschrumpft ( mx , my ) [Quelle] #
Geben Sie eine um den Faktor mx in x -Richtung und den Faktor my in y
Bbox
-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
Bbox
so 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
Bbox
Objekte zurück, die durch Teilen des Originals mit vertikalen Linien an durch args angegebenen Bruchstellen gebildet wurde .
- splity ( * args ) [Quelle] #
Gibt eine Liste neuer
Bbox
Objekte 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 dafürxmin
).
- Eigenschaft x1 #
Die zweite des Paars von x -Koordinaten, die den Begrenzungsrahmen definieren.
Dies ist nicht garantiert größer als
x0
(verwenden Sie dafürxmax
).
- 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 dafürymin
).
- Eigenschaft y1 #
Die zweite des Paares von y -Koordinaten, die den Begrenzungsrahmen definieren.
Dies ist nicht garantiert größer als
y0
(verwenden Sie dafürymax
).
- Eigenschaft ymax #
Der obere Rand des Begrenzungsrahmens.
- Eigenschaft ymin #
Der untere Rand des Begrenzungsrahmens.
- Klasse matplotlib.transforms. BboxTransform ( boxin , boxout , ** kwargs ) [Quelle] #
Basen:
Affine2DBase
BboxTransform
transformiert Punkte linear von einemBbox
zum 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' #
- is_separable = True #
True, wenn diese Transformation in der x- und y-Dimension trennbar ist.
- Klasse matplotlib.transforms. BboxTransformFrom ( boxin , ** kwargs ) [Quelle] #
Basen:
Affine2DBase
BboxTransformFrom
transformiert Punkte von einer gegebenenBbox
in 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' #
- is_separable = True #
True, wenn diese Transformation in der x- und y-Dimension trennbar ist.
- Klasse matplotlib.transforms. BboxTransformTo ( boxout , ** kwargs ) [Quelle] #
Basen:
Affine2DBase
BboxTransformTo
ist eine Transformation, die Punkte aus dem Begrenzungsrahmen der Einheit linear in einen gegebenen transformiertBbox
.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' #
- is_separable = True #
True, wenn diese Transformation in der x- und y-Dimension trennbar ist.
- Klasse matplotlib.transforms. BboxTransformToMaxOnly ( boxout , ** kwargs ) [Quelle] #
Basen:
BboxTransformTo
BboxTransformTo
ist eine Transformation, die Punkte aus dem Begrenzungsrahmen der Einheit linear in einen gegebenen WertBbox
mit 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' #
- 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_factory
Funktion 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_factory
Funktion verwenden, die automatisch bestimmen kann, welche Art von gemischter Transformation erstellt werden soll.
- __module__ = 'matplotlib.transforms' #
- 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_factory
Funktion 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_factory
Funktion 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.
- 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 mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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' #
- 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.
- 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__ = {} #
- __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' #
- 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.
- 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 mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_dims
), je nach Eingabe.
- transform_non_affine ( Punkte ) [Quelle] #
Wenden Sie nur den nicht-affinen Teil dieser Transformation an.
transform(values)
ist immer gleichbedeutend mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_dims
), je nach Eingabe.
- 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' #
- 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.
- 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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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 mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_dims
), je nach Eingabe.
- transform_non_affine ( Punkte ) [Quelle] #
Wenden Sie nur den nicht-affinen Teil dieser Transformation an.
transform(values)
ist immer gleichbedeutend mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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.
- 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 :
- bbox
Bbox
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.
- bbox
- __Anmerkungen__ = {} #
- __init__ ( bbox , x0 = Keine , y0 = Keine , x1 = Keine , y1 = Keine , ** kwargs ) [Quelle] #
- Parameter :
- bbox
Bbox
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.
- bbox
- __module__ = 'matplotlib.transforms' #
- 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' #
- Klasse matplotlib.transforms. Transformieren ( shorthand_name = None ) [Quelle] #
Basen:
TransformNode
Die Basisklasse aller
TransformNode
Instanzen, 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:
inverted()
(falls es eine Umkehrung gibt)
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, wenninverted()
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 + B
gibt eine Transformation zurück,C
sodass .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 - B
B + 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()
B
B.inverted()
A + B - B
A
B
- 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.
- 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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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 mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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 mittransform_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_dims
oder Form (N xinput_dims
).
- Rückgaben :
- Reihe
Die Ausgabewerte als NumPy-Array mit Länge
output_dims
oder Form (N xoutput_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 zutransform_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 zutransform_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
transform
Verfahren 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 zurückgegebenoutput_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__ = {} #
- __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__': {}}) #
- __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' #
- __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
TransformNode
und 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.
TransformWrapper
Instanzen 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
Transform
Instanz. Dieses untergeordnete Element kann später durch ersetzt werdenset()
.- __Anmerkungen__ = {} #
- __hash__ = Keine #
- __init__ ( Kind ) [Quelle] #
Kind : Eine
Transform
Instanz. Dieses untergeordnete Element kann später durch ersetzt werdenset()
.
- __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.
- 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.
- 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.- __Anmerkungen__ = {} #
- __module__ = 'matplotlib.transforms' #
- Klasse matplotlib.transforms. TransformedPatchPath ( Patch ) [Quelle] #
Basen:
TransformedPath
A
TransformedPatchPath
speichert eine nicht affine transformierte Kopie derPatch
. Diese zwischengespeicherte Kopie wird automatisch aktualisiert, wenn sich der nicht-affine Teil der Transformation oder des Patches ändert.- Parameter :
- Patch
Patch
- Patch
- __Anmerkungen__ = {} #
- __module__ = 'matplotlib.transforms' #
- Klasse matplotlib.transforms. TransformedPath ( path , transform ) [Quelle] #
Basen:
TransformNode
A
TransformedPath
speichert eine nicht affine transformierte Kopie derPath
. 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.
- __Anmerkungen__ = {} #
- __module__ = 'matplotlib.transforms' #
- 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.
- Trans
- Rückgaben :
Transform
UnterklasseMit angewendetem Offset transformieren.