剪輯註釋

Question

有沒有一種方法來設置剪輯範圍爲matplotlib.text.Annotation？

import matplotlib.pyplot as plt 
from matplotlib.transforms import Bbox 

fig, ax = plt.subplots() 
vals = [ 
     (10,20,"Lorem ipsum dolor sit amet, consectetur adipiscing elit"), 
     (30,20, "Pellentesque scelerisque congue fermentum."), 
     (50,10, "Aliquam erat volutpat") 
] 
ax.set_ylim(0,1) 
ax.broken_barh(map(lambda v: v[:2],vals), (0, 1), facecolors=('yellow','red','green')) 
for v in vals: 
    ax.annotate(
     v[2], 
     xy=(v[0],0.4), 
     clip_on=True, 
     clip_box=Bbox([[v[0],0],[v[0]+v[1],1]]) 
    ) 

plt.show() 

我試圖設置clip_box & clip_path上ax.annotate調用，但這是行不通的。

Answer 1

首先，好問題！你正在潛心鑽研細節，因此你需要知道的相當數量的半無證細節。

您當前的法會，除了兩件事情的工作：

1. 的clip_box預計將在顯示座標，所以你需要改變它。
2. 這是不夠用「純」 Bbox這一點。每次顯示更改時，要重新轉換爲數據座標，您需要使用TransformedBbox。

爲了證明多一點這是怎麼回事，讓我們來解決第一個問題，但不是第二：

import matplotlib.pyplot as plt 
from matplotlib.transforms import Bbox 

fig, ax = plt.subplots() 
vals = [ 
     (10,20,"Lorem ipsum dolor sit amet, consectetur adipiscing elit"), 
     (30,20, "Pellentesque scelerisque congue fermentum."), 
     (50,10, "Aliquam erat volutpat") 
] 
ax.set_ylim(0,1) 
ax.broken_barh(map(lambda v: v[:2],vals), (0, 1), 
       facecolors=('yellow','red','green')) 
for v in vals: 
    box = Bbox([[v[0],0],[v[0]+v[1],1]]).transformed(ax.transData) 
    anno = ax.annotate(v[2], xy=(v[0],0.4), clip_box=box) 

plt.show() 

它看起來不錯，在第一，但有另外一個問題：因爲clip_box是靜態的，在顯示座標，它會很快在不正確的位置，你以任何方式更改的情節（例如縮放，平移，自動定標，改變圖形窗口的大小，改變圖形DPI）。

例如，如果我點擊「保存」按鈕（或調用savefig），剪輯框將不正確，因爲在保存之前圖的DPI將被更改（從80到100）！

出於這個原因，你需要使用此一TransformedBbox。這只是一個版本的Bbox是保存到一個轉型的參考和重新改造底層Bbox如果轉換變化。在matplotlib中沿着這些行有幾個類：Transformed*。 TransformedPath等。它們不是您總是需要知道的細節水平，但它們可能非常有用。

作爲最後一個例子，這將正常工作，無論情節如何縮放/平移/改變：

import matplotlib.pyplot as plt 
from matplotlib.transforms import TransformedBbox, Bbox 

fig, ax = plt.subplots() 
vals = [ 
     (10,20,"Lorem ipsum dolor sit amet, consectetur adipiscing elit"), 
     (30,20, "Pellentesque scelerisque congue fermentum."), 
     (50,10, "Aliquam erat volutpat") 
] 
ax.set_ylim(0,1) 
ax.broken_barh(map(lambda v: v[:2],vals), (0, 1), 
       facecolors=('yellow','red','green')) 
for v in vals: 
    box = TransformedBbox(Bbox([[v[0],0],[v[0]+v[1],1]]), ax.transData) 
    anno = ax.annotate(v[2], xy=(v[0],0.4), clip_box=box) 

plt.show()