Создание смешанного преобразования с идентичным масштабированием в зависимости от данных

Вычисление соотношения сторон фигуры и его применение к преобразованию гарантирует, что круги будут отображаться с правильным соотношением сторон независимо от размеров фигуры. Круги должны сохранять свою форму и размер одинаково в различных конфигурациях графиков.

Вычислить соотношение сторон фигуры

aspect_ratio = fig.get_figheight() / fig.get_figwidth()

• fig.get_figheight(): Эта функция возвращает высоту фигуры в дюймах.
• fig.get_figwidth(): Эта функция возвращает ширину фигуры в дюймах.

Соотношение сторон рассчитывается как высота, разделенная на ширину. Это соотношение используется для обеспечения того, чтобы преобразование масштабирования сохраняло правильные пропорции при применении к кругу.

Создайте преобразование для правильного масштабирования радиуса в координатах данных.

transform = mtrans.Affine2D().scale(aspect_ratio, 1.0) + ax.transData

• mtrans.Affine2D(): создается новое аффинное преобразование, которое представляет собой комбинацию преобразований перемещения, масштабирования, вращения и сдвига.
• scale(aspect_ratio, 1.0) : этот метод масштабирует преобразование по указанным коэффициентам по осям x и y. Масштабируйте ось X по соотношению сторон и ось Y на 1,0, чтобы гарантировать, что радиус круга масштабируется правильно в соответствии с соотношением сторон фигуры.
• ax.transData: это преобразование отображает координаты данных для отображения координат. При этом пользовательское масштабирование сочетается с существующим преобразованием координат данных в координаты отображения.

Преобразование корректирует радиус круга в координатах данных, поэтому он отображается в правильном масштабе при рендеринге на фигуре, что важно, поскольку соотношение сторон фигуры может искажать объекты, если его не учитывать, что приводит к тому, что круги выглядят как эллипсы .

Протестировано в python v3.12.3, matplotlib v3.8.4.

import matplotlib.pyplot as plt
import matplotlib.patches as mpatch
import matplotlib.transforms as mtrans
from typing import Tuple

def create_scaled_circle(ax: plt.Axes, center: Tuple[float, float], radius: float) -> mpatch.Circle:
    fig = ax.figure
    x, y = center

    # Calculate aspect ratio of the figure
    aspect_ratio = fig.get_figheight() / fig.get_figwidth()

    # Create a transform that scales the radius correctly in data coordinates
    transform = mtrans.Affine2D().scale(aspect_ratio, 1.0) + ax.transData

    circle = mpatch.Circle(center, radius, transform=transform, facecolor='none', edgecolor='red')
    return circle

Одиночный тестовый пример

fig, ax = plt.subplots()
circle1 = create_scaled_circle(ax, (5, 10), 3)
circle2 = create_scaled_circle(ax, (7, 15), 5)
ax.add_patch(circle1)
ax.add_patch(circle2)
ax.set_xlim(0, 20)
ax.set_ylim(0, 20)
plt.show()

Несколько тестовых случаев

# Define 10 test cases with different centers, radii, axis limits, and quadrants
test_cases = [
    ((5, 10), 3, (-20, 20), (-20, 20)),  # Quadrant I
    ((-7, 15), 5, (-20, 20), (-20, 20)),  # Quadrant II
    ((-10, -5), 2, (-20, 20), (-20, 20)),  # Quadrant III
    ((15, -10), 4, (-20, 20), (-20, 20)),  # Quadrant IV
    ((0.5, 0.5), 7, (-30, 30), (-30, 30)),  # Near origin, all quadrants
    ((-12, -12), 6, (-20, 20), (-20, 20)),  # Quadrant III
    ((3, -18), 1.5, (-20, 20), (-20, 20)),  # Quadrant IV
    ((-6, 6), 2.5, (-15, 15), (-15, 15)),  # Quadrant II
    ((9, -9), 4.5, (-25, 25), (-25, 25)),  # Quadrant IV
    ((-11, 7), 3.5, (-20, 20), (-20, 20)),  # Quadrant II
]


for center, radius, xlim, ylim in test_cases:
    fig, ax = plt.subplots()
    circle = create_scaled_circle(ax, center, radius)
    ax.add_patch(circle)
    ax.set_xlim(xlim)
    ax.set_ylim(ylim)
    plt.show()

def create_scaled_circle неправильно устанавливает центр или аспект круга, если высота и ширина figsize не равны.

Следующая функция правильно позиционирует и изменяет размеры кругов, даже если высота и ширина не совпадают. Кроме того, при увеличении размер кругов изменяется.

def create_scaled_circle(ax: plt.Axes, center: Tuple[float, float], radius: float) -> mpatch.Circle:
    fig = ax.figure
    x, y = center

    # Calculate the aspect ratio
    aspect_ratio = fig.get_figwidth() / fig.get_figheight()

    # Adjust the radius according to the aspect ratio
    adjusted_radius = radius / aspect_ratio

    # Create the circle with the adjusted radius
    circle = mpatch.Circle(center, adjusted_radius, transform=ax.transData, facecolor='none', edgecolor='violet')
    return circle


# Define test cases with different figsize
test_cases = [
    ((5, 10), 3, (-20, 20), (-20, 20), (5, 5)),  # square figure
    ((7, 15), 5, (-20, 20), (0, 25), (3, 5)),  # tall figure
    ((-10, -5), 7, (-20, 20), (-20, 20), (5, 3)),  # wide figure
]

for center, radius, xlim, ylim, figsize in test_cases:
    fig = plt.figure(figsize=figsize)
    ax = fig.add_subplot(111)
    circle = create_scaled_circle(ax, center, radius)
    ax.add_patch(circle)
    ax.set_xlim(xlim)
    ax.set_ylim(ylim)
    ax.grid()
    ax.set_aspect('equal')
    plt.show()

Интерактивный сюжет

Интерактивный график увеличен

Интерактивный сюжет

Интерактивный график увеличен

Интерактивный сюжет

Интерактивный график увеличен

Похоже, что подход, который я предложил в вопросе, должен работать. Чтобы создать преобразование, которое масштабирует данные в направлении Y и такое же масштабирование независимо от данных в направлении X, мы можем сделать следующее:

1. Создайте преобразование, которое масштабируется по вертикали с помощью ax.transData.
2. Создайте простое преобразование отражения, используя Affine2D
3. Отразив, применив преобразование на шаге 1 и отразив обратно, мы можем создать преобразование, которое масштабирует ось X так же, как y.
4. Наконец, мы добавляем ScalesTranslation, чтобы разместить объект в правильном месте данных.

Вот полное решение:

from matplotlib import pyplot as plt, patches as mpatch, transforms as mtrans

fig, ax = plt.subplots()
x, y = 5, 10
r = 3

# AffineDeltaTransform returns just the scaling portion
vertical_scale_transform = mtrans.AffineDeltaTransform(ax.transData)
reflection = mtrans.Affine2D.from_values(0, 1, 1, 0, 0, 0)
# The first argument relies on the fact that `reflection` is its own inverse 
uniform_scale_transform = mtrans.blended_transform_factory(reflection + vertical_scale_transform + reflection, vertical_scale_transform)
t = uniform_scale_transform + mtrans.ScaledTranslation(x, y, ax.transData)
# Create a circle at origin, and move it with the transform
ax.add_patch(mpatch.Circle((0, 0), r, edgecolor='k', linewidth=2, facecolor='w', transform=t))

Этот ответ инкапсулирован в предлагаемом примере галереи: https://github.com/matplotlib/matplotlib/pull/28364

Проблема с этим решением на момент написания заключается в том, что AffineDeltaTransform не обновляется правильно при масштабировании или изменении размера осей. Проблема зарегистрирована в matplotlib#28372 и решена в matplotlib#28375. Будущие версии matplotlib смогут запускать приведенный выше код в интерактивном режиме.