python - 保存图形时，刻度标签被覆盖

问题描述

我正在画“传统”相交轴：

x = range(-1, 2)
y = range(-1, 2)
fig, ax = plt.subplots()
ax.spines['left'].set_position('zero')
ax.spines['bottom'].set_position('zero')
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.xaxis.set_minor_locator(ticker.MultipleLocator(0.1))
ax.xaxis.set_major_locator(ticker.MultipleLocator(0.5))
ax.yaxis.set_minor_locator(ticker.MultipleLocator(0.1))
ax.yaxis.set_major_locator(ticker.MultipleLocator(0.5))
ax.plot(x, y)

这工作正常：

我不喜欢重复的零，所以我去掉了 y 轴上的一个并将 x 轴移动了一个：

fig.canvas.draw()  # Force the ticks to be computed now
next(tick for tick in ax.yaxis.get_major_ticks()
     if tick.get_loc() == 0.0).set_visible(False)
plt.setp(next(tick for tick in ax.xaxis.get_major_ticks()
              if tick.get_loc() == 0.0).label, ha='right', text='0  ')

这几乎有效：

y 轴零被删除，x 轴 1 正确对齐。然而，标签并没有像预期的那样从0.0更改为。0

我在调用之前验证fig.savefig()了标签确实是正确的。但是，保存图形时会重新格式化。如何正确更改标签以使其0在图像中读取？

标签： pythonmatplotlib

解决方案

我会拆分问题。

您希望在位置标签有一个自定义文本0
您想移动标签。

在特定位置为标签创建自定义文本

一个想法可以是子类化ScalarFormatter并让它返回零位置的自定义标签。这可以是空字符串，也可以是按您希望的方式格式化的数字零。

from matplotlib import ticker as mticker
class CustomTicker(mticker.ScalarFormatter):
    def __init__(self, zero="0", **kwargs):
        self.zero=zero
        mticker.ScalarFormatter.__init__(self, **kwargs)
    def __call__(self, x, pos=None):
        if x != 0:
            return mticker.ScalarFormatter.__call__(self, x, pos)
        else:
            return self.zero

ax.xaxis.set_major_formatter(CustomTicker(zero="0"))
ax.yaxis.set_major_formatter(CustomTicker(zero=""))

在这里使用格式化程序的好处可以理解如下。在绘制图形之前，刻度标签（即Text画布上的实例）没有设置固定字符串。然后，此字符串可能会在每次后续绘制之后更改，具体取决于轴限制或图形大小的更改。在幕后，定位器确定刻度的位置。然后将刻度标签定位在刻度旁边。然后格式化程序根据位置设置标签的字符串。这是通过使用位置x作为参数调用格式化程序来完成的。例如，第二个刻度标签最初可能位于 x=-10 并显示该值"-10". 当更改轴的限制（例如通过缩放）时，这个非常相同的标签可能会放置在位置 x=-20。然后对格式化程序的调用确保其文本也被更新以显示"-20"。"-10"然后由第三个刻度标签显示。想要跟踪这些变化是很麻烦的。因此，操纵格式化程序本身，就不必关心那些内部结构。

移动单个标签

虽然标签的许多属性是以集中方式设置的，但它们的实际转换不是。因此，可以通过转换来翻译单个标签。在这里，我们可能会选择在像素空间中翻译它（即在执行主变换之后）。因为单个标签可能会在更改限制时更改其内容（即缩放或平移时），我们可能会创建一个回调来更改一个标签在零位置的变换，而与实际限制无关。下面我们"0"按-10像素进行翻译。

import matplotlib.transforms as mtrans

basetrans = ax.get_xticklabels()[0].get_transform()
def movelabel(evt=None):
    trans = basetrans + mtrans.Affine2D().translate(-10,0)
    for tick in ax.xaxis.get_major_ticks():
        if tick.get_loc() == 0.0:
            tick.label.set_transform(trans)
        else:
            tick.label.set_transform(basetrans)

fig.canvas.draw()
movelabel()
ax.callbacks.connect('xlim_changed', movelabel)
ax.callbacks.connect('ylim_changed', movelabel)

完整代码：

import matplotlib.pyplot as plt
from matplotlib import ticker as mticker

x = range(-1, 2)
y = range(-1, 2)
fig, ax = plt.subplots()
ax.spines['left'].set_position('zero')
ax.spines['bottom'].set_position('zero')
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.xaxis.set_minor_locator(mticker.MultipleLocator(0.1))
ax.xaxis.set_major_locator(mticker.MultipleLocator(0.5))
ax.yaxis.set_minor_locator(mticker.MultipleLocator(0.1))
ax.yaxis.set_major_locator(mticker.MultipleLocator(0.5))

ax.plot(x, y)

from matplotlib import ticker as mticker
class CustomTicker(mticker.ScalarFormatter):
    def __init__(self, zero="0", **kwargs):
        self.zero=zero
        mticker.ScalarFormatter.__init__(self, **kwargs)
    def __call__(self, x, pos=None):
        if x != 0:
            return mticker.ScalarFormatter.__call__(self, x, pos)
        else:
            return self.zero

ax.xaxis.set_major_formatter(CustomTicker(zero="0"))
ax.yaxis.set_major_formatter(CustomTicker(zero=""))


import matplotlib.transforms as mtrans

basetrans = ax.get_xticklabels()[0].get_transform()
def movelabel(evt=None):
    trans = basetrans + mtrans.Affine2D().translate(-10,0)
    for tick in ax.xaxis.get_major_ticks():
        if tick.get_loc() == 0.0:
            tick.label.set_transform(trans)
        else:
            tick.label.set_transform(basetrans)

fig.canvas.draw()
movelabel()
ax.callbacks.connect('xlim_changed', movelabel)
ax.callbacks.connect('ylim_changed', movelabel)

plt.show()