0.54 版本变更#

MATLAB 接口#

dpi#

为了让图像在不同后端之间保持一致渲染，我曾添加了一个 PIXELS_PER_INCH 的技巧，但一些后端使用了它。这只会让事情变得复杂。因此您可能会发现某些字体大小和线宽与以前不同。对此造成的不便深表歉意。您应该将 dpi 设置为屏幕的准确值以获得真实尺寸。

pcolor 和 scatter#

MATLAB 接口 API 有两项更改，均涉及补丁绘图命令。为了提高效率，pcolor 和 scatter 已被重写为使用多边形集合（polygon collections），这是 matplotlib.collections 中一组新的对象，旨在实现对大量对象的有效处理。这些新的集合使得在 Python 层面无需循环即可构建大型散点图或 pcolor 图成为可能，并且比其前身显著更快。原始的 pcolor 和 scatter 函数保留为 pcolor_classic 和 scatter_classic。

pcolor 的返回值是一个 PolyCollection。大多数适用于矩形或其他补丁的属性也适用于 PolyCollections，例如，您可以说

c = scatter(blah, blah)
c.set_linewidth(1.0)
c.set_facecolor('r')
c.set_alpha(0.5)

或

c = scatter(blah, blah)
set(c, 'linewidth', 1.0, 'facecolor', 'r', 'alpha', 0.5)

由于集合是一个单一对象，您不再需要循环 scatter 或 pcolor 的返回值来为整个列表设置属性。

如果您希望集合中的不同元素在某个属性上有所不同，例如具有不同的线宽，请参阅 matplotlib.collections 中关于如何按序列设置属性的讨论。

对于 scatter，size 参数现在以点平方（符号的点面积）为单位，与 MATLAB 中一样，而不再像以前那样以数据坐标为单位。在数据坐标中使用大小导致了几个问题。因此，您需要相应地调整 size 参数或使用 scatter_classic。

mathtext 间距#

由于我不清楚的原因（最终我会修复），间距在字体组中不再起作用。但是，我添加了三个新的间距命令来弥补这一点：''（常规间距），'/'（小间距）和 'hspace{frac}'，其中 frac 是字体大小（以点为单位）的一个分数。您需要在字体字符串中引用空格，例如

title(r'$\rm{Histogram\ of\ IQ:}\ \mu=100,\ \sigma=15$')

对象接口 - 应用程序员#

自动缩放#

x 轴和 y 轴实例不再具有自动缩放视图。这些现在由 axes.autoscale_view 处理。

坐标轴创建#

您不应再使用 OO API 实例化自己的 Axes。相反，像以前一样创建一个 Figure，并且代替

f = Figure(figsize=(5,4), dpi=100)
a = Subplot(f, 111)
f.add_axis(a)

使用

f = Figure(figsize=(5,4), dpi=100)
a = f.add_subplot(111)

也就是说，add_axis 不再存在，已被替换为

add_axes(rect, axisbg=defaultcolor, frameon=True)
add_subplot(num, axisbg=defaultcolor, frameon=True)

Artist 方法#

如果您定义自己的 Artist，则需要将 _draw 方法重命名为 draw

边界框#

matplotlib.transforms.Bound2D 已被 matplotlib.transforms.Bbox 替换。如果您想从 left, bottom, width, height（Bound2D 的签名）构建一个 bbox，请使用 matplotlib.transforms.lbwh_to_bbox，如下所示：

bbox = clickBBox = lbwh_to_bbox(left, bottom, width, height)

Bbox 具有与 Bound2D 不同的 API。例如，如果您想获取 bbox 的宽度和高度

旧:

width  = fig.bbox.x.interval()
height = fig.bbox.y.interval()

新:

width  = fig.bbox.width()
height = fig.bbox.height()

对象构造函数#

您不再需要将 bbox、dpi 或 transforms 传递给各种 Artist 构造函数。以前创建线条和矩形的方式很繁琐，因为您必须向 Line2D 和 Rectangle 类传递许多与对象几何形状和属性不直接相关的属性。现在，当您调用 axes.add_line 或 axes.add_patch 时，默认值会添加到对象中，因此它们对用户是隐藏的。

如果您想在这些对象上定义自定义变换，请调用 o.set_transform(trans)，其中 trans 是一个 Transformation 实例。

在以前的版本中，如果您想在数据坐标中添加自定义线条，您需要这样做：

l = Line2D(dpi, bbox, x, y,
           color = color,
           transx = transx,
           transy = transy,
           )

现在您只需要

l = Line2D(x, y, color=color)

并且坐标轴将为您设置变换（除非您已经设置了自己的变换，在这种情况下它会保持不变）

变换#

整个变换架构已被重写。以前，x 和 y 变换存储在 xaxis 和 yaxis 实例中。这种方法的问题是它只允许可分离变换（x 和 y 变换彼此不依赖）。但对于极坐标等情况，它们是相互依赖的。现在，变换同时作用于 x 和 y。有一个新的基类 matplotlib.transforms.Transformation 以及两个具体实现：matplotlib.transforms.SeparableTransformation 和 matplotlib.transforms.Affine。SeparableTransformation 是通过输入的边界框（这决定了输入的矩形坐标系，即 x 和 y 视图限制）、显示的边界框以及可能的 x 和 y 非线性变换来构建的。两个最常用的变换，数据坐标 -> 显示 和 坐标轴坐标 -> 显示，可分别通过 ax.transData 和 ax.transAxes 获得。请参阅使用坐标轴坐标的 alignment_demo.py。

此外，现在变换应该快得多，原因有二：

  • 它们完全用扩展代码编写

  • 因为它们同时作用于 x 和 y，所以可以在一个循环中完成整个变换。以前我这样做过：

    xt = sx*func(x) + tx
yt = sy*func(y) + ty

    尽管这是在 numerix 中完成的，但它仍然涉及 6 个 length(x) 的循环（x 和 y 各自的乘法、加法和函数求值）。现在所有这些都在一次遍历中完成。

如果您正在使用变换和边界框来获取数据坐标中的光标位置，现在方法调用有所不同。请参阅已更新的 examples/coords_demo.py，其中展示了如何执行此操作。

同样，如果您正在使用 artist 边界框通过 GUI 在画布上选择项目，则 bbox 方法也有所不同。您需要查看已更新的 examples/object_picker.py。

请参阅 unit/transforms_unit.py 以获取许多使用新变换的示例。

在此页