Spec-Zone.ru › Matplotlib 3.5

mpl_toolkits.axisartist.angle_helper.ExtremeFinderCycle

classmpl_toolkits.axisartist.angle_helper.ExtremeFinderCycle(nx, ny, lon_cycle=360.0, lat_cycle=None, lon_minmax=None, lat_minmax=(- 90, 90))[source]

Bases: mpl_toolkits.axisartist.grid_finder.ExtremeFinderSimple

Этот подкласс обрабатывает случаи, когда одна или обе координаты должны быть взяты по модулю 360 или ограничены определённым диапазоном.

Parameters
nx, nyint

Количество выборок в каждом направлении.

lon_cycle, lat_cycle360 или None

Если не None, значения в соответствующем направлении берутся по модулю lon_cycle или lat_cycle; теоретически это может быть любое число, но реализация фактически предполагает, что это 360 (если не None); другие значения дают бессмысленные результаты.

Это делается путём «разматывания» преобразованных координат сетки, чтобы скачки были меньше половины цикла; затем масштабирование интервала нормализуется так, чтобы он не превышал полного цикла.

Например, если значения находятся в объединении интервалов [0, 2] и [358, 360] (как правило, углы, измеряемые по модулю 360), значения во втором интервале нормализуются до [-2, 0] вместо этого, чтобы значения теперь охватывали [-2, 2]. Если значения находятся в диапазоне [5, 1000], это нормализуется до [5, 365].

lon_minmax, lat_minmax(float, float) или None

Если не None, вычисленная область значений ограничивается заданным диапазоном в соответствующем направлении.

__call__(transform_xy, x1, y1, x2, y2)[source]

Вычислить приближение области значений, полученной применением transform_xy к прямоугольнику, ограниченному (x1, y1, x2, y2).

Предполагаемое использование состоит в том, чтобы (x1, y1, x2, y2) находились в координатах осей, а transform_xy – в преобразовании из координат осей в данные; этот метод затем возвращает диапазон координат данных, охватывающих фактические оси.

Вычисление выполняется путём выборки nx * ny равноудаленных точек в (x1, y1, x2, y2) прямоугольнике и нахождения полученных точек с экстремальными координатами; затем добавление некоторого отступа для учёта конечной выборки.

Поскольку каждый шаг выборки охватывает относительный диапазон 1/nx или 1/ny, отступ вычисляется путём расширения диапазона, охватываемого экстремальными координатами, на эти доли.

Примеры использования mpl_toolkits.axisartist.angle_helper.ExtremeFinderCycle

Демонстрация направления оси

Демонстрация направления оси

END_OF_DOCUMENT_MARKER
<img alt="Демонстрация криволинейной сетки" src="data:image/png;base64,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

Демонстрация криволинейной сетки

Демонстрация плавающей оси

Демонстрация плавающей оси

Простой элемент оси

Простой элемент оси

© 2012–2021 Matplotlib Development Team. All rights reserved.
Licensed under the Matplotlib License Agreement.
https://matplotlib.org/3.5.1/api/_as_gen/mpl_toolkits.axisartist.angle_helper.ExtremeFinderCycle.html

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API