matplotlib.transforms
#
![matplotlib.transforms의 상속 다이어그램](/stable/_images/inheritance-3fbe1b6a22b3e88fa6432be7fede6893b203a2e2.png)
Matplotlib에는 캔버스에 그려진 모든 요소의 최종 위치를 결정하는 데 사용되는 임의의 기하학적 변환을 위한 프레임워크가 포함되어 있습니다.
변환은 TransformNode
실제 값이 자식에 따라 달라지는 개체의 트리로 구성됩니다. 자식의 내용이 변경되면 부모는 자동으로 무효화됩니다. 다음에 무효화된 변환에 액세스하면 해당 변경 사항을 반영하도록 다시 계산됩니다. 이 무효화/캐싱 접근 방식은 변환의 불필요한 재계산을 방지하고 더 나은 대화형 성능에 기여합니다.
예를 들어 다음은 데이터를 그래프에 표시하는 데 사용되는 변환 트리의 그래프입니다.
![../_images/transforms.png](/stable/_images/transforms.png)
프레임워크는 아핀 및 비아핀 변환 모두에 사용할 수 있습니다. 그러나 속도를 위해 가능할 때마다 백엔드 렌더러를 사용하여 아핀 변환을 수행하려고 합니다. 따라서 데이터 집합에 대한 변환의 아핀 또는 비아핀 부분만 수행할 수 있습니다. affine은 항상 non-affine 이후에 발생한다고 가정합니다. 모든 변환:
full transform == non-affine part + affine part
백엔드는 비아핀 변환 자체를 처리할 것으로 예상되지 않습니다.
변환 사용 방법에 대한 예제는 자습서 변환 자습서 를 참조하십시오 .
- 클래스 matplotlib.transforms. Affine2D ( 행렬 = 없음 , ** kwargs ) [소스] #
베이스:
Affine2DBase
변경 가능한 2D 아핀 변환.
3x3 numpy float 배열에서 Affine 변환을 초기화합니다.
a c e b d f 0 0 1
행렬 이 None 이면 항등 변환으로 초기화합니다.
- __init__ ( 행렬 = 없음 , ** kwargs ) [출처] #
3x3 numpy float 배열에서 Affine 변환을 초기화합니다.
a c e b d f 0 0 1
행렬 이 None 이면 항등 변환으로 초기화합니다.
- __module__ = 'matplotlib.transforms' #
- 정적 from_values ( a , b , c , d , e , f ) [소스] #
주어진 값에서 새 Affine2D 인스턴스를 만듭니다.
a c e b d f 0 0 1
.
- 정적 ID ( ) [소스] #
[ Deprecated
Affine2D
] ID 변환인 새 객체를 반환합니다 .이 변환이 나중에 변경되지 않는 한
IdentityTransform
대신 더 빠른 클래스를 사용하는 것이 좋습니다.메모
버전 3.6부터 사용되지 않음: Affine2D()를 대신 사용하십시오.
- 회전 ( 세타 ) [소스] #
이 변환에 회전(라디안 단위)을 추가합니다.
self 를 반환 하므로 이 메서드는
rotate()
, 및rotate_deg()
에 대한 추가 호출로 쉽게 연결될 수 있습니다 .translate()
scale()
- 회전_어라운드 ( x , y , theta ) [소스] #
제자리에 있는 점(x, y) 주위에 회전(라디안 단위)을 추가합니다.
self 를 반환 하므로 이 메서드는
rotate()
, 및rotate_deg()
에 대한 추가 호출로 쉽게 연결될 수 있습니다 .translate()
scale()
- rotate_deg ( 도 ) [소스] #
이 변환에 회전(각도)을 추가합니다.
self 를 반환 하므로 이 메서드는
rotate()
, 및rotate_deg()
에 대한 추가 호출로 쉽게 연결될 수 있습니다 .translate()
scale()
- rotate_deg_around ( x , y , 도 ) [소스] #
제자리에 있는 점(x, y) 주위에 회전(각도)을 추가합니다.
self 를 반환 하므로 이 메서드는
rotate()
, 및rotate_deg()
에 대한 추가 호출로 쉽게 연결될 수 있습니다 .translate()
scale()
- 규모 ( sx , sy = 없음 ) [출처] #
저울을 제자리에 추가하십시오.
sy 가 None 이면 x 방향 과 y 방향 모두에 동일한 스케일이 적용됩니다 .
self 를 반환 하므로 이 메서드는
rotate()
, 및rotate_deg()
에 대한 추가 호출로 쉽게 연결될 수 있습니다 .translate()
scale()
- 설정 ( 기타 ) [소스] #
Affine2DBase
다른 개체 의 고정된 복사본에서 이 변환을 설정 합니다.
- 스큐 ( xShear , yShear ) [소스] #
제자리에 스큐를 추가합니다.
xShear 및 yShear 는 각각 x축 및 y 축을 따른 전단각 (라디안 단위)입니다.
self 를 반환 하므로 이 메서드는
rotate()
, 및rotate_deg()
에 대한 추가 호출로 쉽게 연결될 수 있습니다 .translate()
scale()
- skew_deg ( xShear , yShear ) [소스] #
제자리에 스큐를 추가합니다.
xShear 및 yShear 는 각각 x축 및 y 축을 따른 전단 각도 (도)입니다.
self 를 반환 하므로 이 메서드는
rotate()
, 및rotate_deg()
에 대한 추가 호출로 쉽게 연결될 수 있습니다 .translate()
scale()
- 번역 ( tx , ty ) [출처] #
제자리에 번역을 추가하십시오.
self 를 반환 하므로 이 메서드는
rotate()
, 및rotate_deg()
에 대한 추가 호출로 쉽게 연결될 수 있습니다 .translate()
scale()
- 클래스 matplotlib.transforms. Affine2DBase ( * args , ** kwargs ) [소스] #
베이스:
AffineBase
모든 2D 아핀 변환의 기본 클래스입니다.
2D 아핀 변환은 3x3 numpy 배열을 사용하여 수행됩니다.
a c e b d f 0 0 1
이 클래스는 읽기 전용 인터페이스를 제공합니다. 변경 가능한 2D 아핀 변환의 경우
Affine2D
.이 클래스의 하위 클래스는 일반적으로
get_matrix()
사용자 지정 3x3 행렬을 생성하는 생성자를 재정의하기만 하면 됩니다.- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __주석__ = {} #
- __module__ = 'matplotlib.transforms' #
- 냉동 ( ) [출처] #
이 변환 노드의 고정된 복사본을 반환합니다. 고정된 사본은 하위 항목이 변경될 때 업데이트되지 않습니다.
copy.deepcopy()
일반적으로 사용될 수 있는 변환의 이전에 알려진 상태를 저장하는 데 유용합니다 .
- has_inverse = 참 #
이 변환에 해당하는 역변환이 있는 경우 참입니다.
- 입력_딤 = 2 #
이 변환의 입력 차원 수입니다. 하위 클래스에서 재정의(정수 사용)해야 합니다.
- 거꾸로 ( ) [출처] #
해당 역변환을 반환합니다.
. _
x == self.inverted().transform(self.transform(x))
이 메서드의 반환 값은 임시로 처리되어야 합니다. self 에 대한 업데이트 는 반전된 복사본에 해당하는 업데이트를 유발하지 않습니다.
- 속성 is_separable #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- output_dims = 2 #
이 변환의 출력 차원 수입니다. 하위 클래스에서 재정의(정수 사용)해야 합니다.
- transform_affine ( 포인트 ) [출처] #
주어진 값 배열에 이 변환의 아핀 부분만 적용합니다.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비 아핀 변환에서 이것은 일반적으로 작동하지 않습니다. 아핀 변환에서 이것은 와 동일합니다
transform(values)
.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- 클래스 matplotlib.transforms. AffineBase ( * args , ** kwargs ) [소스] #
베이스:
Transform
여러 차원의 모든 아핀 변환의 기본 클래스입니다.
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __주석__ = {} #
- __hash__ = 없음 #
- __init__ ( * 인수 , ** kwargs ) [출처] #
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __module__ = 'matplotlib.transforms' #
- is_affine = 참 #
- 변환 ( 값 ) [소스] #
주어진 값 배열에 이 변환을 적용합니다 .
- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_affine ( 값 ) [소스] #
주어진 값 배열에 이 변환의 아핀 부분만 적용합니다.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비 아핀 변환에서 이것은 일반적으로 작동하지 않습니다. 아핀 변환에서 이것은 와 동일합니다
transform(values)
.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_non_affine ( 포인트 ) [출처] #
이 변환의 비친화적 부분만 적용하십시오.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비아핀 변환에서 이는 일반적으로 와 동일합니다
transform(values)
. 아핀 변환에서 이것은 항상 작동하지 않습니다.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_path ( 경로 ) [소스] #
변환을 path 에 적용하고 새 를 반환합니다 .
Path
Path
경우에 따라 이 변환은 선분으로 시작된 경로에 곡선을 삽입할 수 있습니다.
- 클래스 matplotlib.transforms. AffineDeltaTransform ( 변환 , ** kwargs ) [소스] #
베이스:
Affine2DBase
점 쌍 사이의 변위를 변환하기 위한 변환 래퍼입니다.
이 클래스는 점 쌍 사이의 변위("위치 델타")를 변환하는 데 사용하기 위한 것입니다(예: , 를 만족
offset_transform
하는 변환Collection
이 제공됨t
) .t = AffineDeltaTransform(t) + offset
AffineDeltaTransform
AffineDeltaTransform(a - b) == AffineDeltaTransform(a) - AffineDeltaTransform(b)
이는 변환 매트릭스의 오프셋 구성 요소를 0으로 강제 설정하여 구현됩니다.
이 클래스는 3.3부터 실험적이며 API가 변경될 수 있습니다.
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __주석__ = {} #
- __init__ ( 변환 , ** kwargs ) [출처] #
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __module__ = 'matplotlib.transforms' #
- 클래스 matplotlib.transforms. Bbox ( 포인트 , ** kwargs ) [출처] #
베이스:
BboxBase
변경 가능한 경계 상자.
예
알려진 범위에서 만들기
기본 생성자는 경계 "points" 를 사용 합니다.
[[xmin, ymin], [xmax, ymax]]
>>> Bbox([[1, 1], [3, 7]]) Bbox([[1.0, 1.0], [3.0, 7.0]])
또는 소위 "범위"라고 하는 평평한 점 배열에서 Bbox를 만들 수 있습니다.
(xmin, ymin, xmax, ymax)
>>> Bbox.from_extents(1, 1, 3, 7) Bbox([[1.0, 1.0], [3.0, 7.0]])
또는 "경계"에서 .
(xmin, ymin, width, height)
>>> Bbox.from_bounds(1, 1, 2, 6) Bbox([[1.0, 1.0], [3.0, 7.0]])
포인트 컬렉션에서 만들기
Bbox를 축적하기 위한 "비어 있는" 객체는 null bbox이며 이는 빈 집합을 대신합니다.
>>> Bbox.null() Bbox([[inf, inf], [-inf, -inf]])
null bbox에 포인트를 추가하면 해당 포인트의 bbox가 제공됩니다.
>>> box = Bbox.null() >>> box.update_from_data_xy([[1, 1]]) >>> box Bbox([[1.0, 1.0], [1.0, 1.0]]) >>> box.update_from_data_xy([[2, 3], [3, 2]], ignore=False) >>> box Bbox([[1.0, 1.0], [3.0, 3.0]])
설정
ignore=True
은 null bbox에서 다시 시작하는 것과 같습니다.>>> box.update_from_data_xy([[1, 1]], ignore=True) >>> box Bbox([[1.0, 1.0], [1.0, 1.0]])
경고
항상 명시적으로 지정하는 것이 좋습니다
ignore
.ignore
그렇지 않은 경우 Bbox에 액세스할 수 있는 코드(예: 메서드 사용)로 언제든지 기본값 을 변경할 수 있습니다ignore
.``null`` bbox의 속성
메모
의 현재 동작은
Bbox.null()
"빈 집합"의 모든 속성을 가지고 있지 않고 수학적 의미에서 "0" 객체처럼 동작하지 않기 때문에 놀랄 수 있습니다. 향후 변경될 수 있습니다(지원 중단 기간 있음).null bbox는 교차점의 ID입니다.
>>> Bbox.intersection(Bbox([[1, 1], [3, 7]]), Bbox.null()) Bbox([[1.0, 1.0], [3.0, 7.0]])
전체 공간을 반환하는 자체를 제외하고.
>>> Bbox.intersection(Bbox.null(), Bbox.null()) Bbox([[-inf, -inf], [inf, inf]])
null을 포함하는 공용체는 항상 전체 공간을 반환합니다(다른 집합이 아님!).
>>> Bbox.union([Bbox([[0, 0], [0, 0]]), Bbox.null()]) Bbox([[-inf, -inf], [inf, inf]])
- 매개변수 :
- 포인트 ndarray
형식의 2x2 numpy 배열입니다 .
[[x0, y0], [x1, y1]]
- __주석__ = {} #
- __module__ = 'matplotlib.transforms' #
- 정적 from_extents ( * 인수 , minpos = 없음 ) [소스] #
left , bottom , right 및 top 에서 새 Bbox를 만듭니다 .
y 축은 위쪽으로 증가합니다 .
- 매개변수 :
- 왼쪽, 아래쪽, 오른쪽, 위쪽 플로트
경계 상자의 네 가지 범위입니다.
- minpos float 또는 없음
이것이 제공되면 Bbox는 최소 양수 값을 설정합니다. 이는 음의 경계가 부동 소수점 오류를 초래하는 대수 스케일 및 기타 스케일을 처리할 때 유용합니다.
- 냉동 ( ) [출처] #
변환 트리에 참여하고 부모를 무효화하거나 무효화해야 하는 항목의 기본 클래스입니다. 일부 변환은 해당 값을 계산하기 위해 경계 상자에 의존하기 때문에 경계 상자와 같이 실제로 변환이 아닌 클래스가 포함됩니다.
- 무시 ( 값 ) [소스] #
에 대한 후속 호출에서 상자의 기존 범위를 무시할지 여부를 설정합니다
update_from_data_xy()
.- 값 부울
에 대한
True
후속 호출update_from_data_xy()
은 의 기존 범위를 무시합니다Bbox
.에 대한
False
후속 호출update_from_data_xy()
은 의 기존 범위를 포함합니다Bbox
.
- 속성 간격x #
경계 상자를 정의하는 x 좌표 쌍입니다 .
왼쪽에서 오른쪽으로 정렬되는 것은 아닙니다.
- 속성 간격 #
경계 상자를 정의하는 y 좌표 쌍입니다 .
아래에서 위로 정렬되는 것은 아닙니다.
- 부동산 민포스 #
Bbox 내 양방향의 최소 양수 값입니다.
이는 음의 경계가 부동 소수점 오류를 발생시키는 대수 스케일 및 기타 스케일을 처리할 때 유용하며 p0 대신 최소 범위로 사용됩니다 .
- 속성 minposx #
Bbox 내에서 x 방향 의 최소 양수 값입니다 .
이는 음의 경계가 부동 소수점 오류를 초래하고 x0 대신 최소 x 익스텐트 로 사용되는 대수 스케일 및 기타 스케일을 처리할 때 유용합니다 .
- 부동산 민포시 #
Bbox 내에서 y 방향 의 최소 양수 값입니다 .
이는 음의 경계가 부동 소수점 오류를 초래하고 y0 대신 최소 y 범위 로 사용되는 대수 스케일 및 기타 스케일을 처리할 때 유용합니다 .
- 속성 p0 #
경계 상자를 정의하는 첫 번째 쌍의 ( x , y ) 좌표입니다.
이것은 왼쪽 하단 모서리가 될 것이라고 보장되지 않습니다(이를 위해 를 사용
min
하십시오).
- 속성 p1 #
경계 상자를 정의하는 두 번째 쌍의 ( x , y ) 좌표입니다.
이것이 오른쪽 상단 모서리가 되는 것은 아닙니다(이를 위해 를 사용
max
하십시오).
- set_points ( 포인트 ) [소스] #
다음 형식의 numpy 배열에서 직접 경계 상자의 지점을 설정합니다 . 이 방법은 주로 내부용이므로 오류 검사는 수행되지 않습니다.
[[x0, y0], [x1, y1]]
- update_from_data_x ( x , 무시 = 없음 ) [소스] #
Bbox
전달된 데이터를 기반으로 의 x 경계를 업데이트합니다 . 업데이트 후 범위는 양의 너비 를 가지며 x0 은 최소값이 됩니다.
- update_from_data_xy ( xy , 무시 = 없음 , updatex = True , updatey = True ) [출처] #
Bbox
전달된 데이터를 기반으로 의 범위를 업데이트합니다 . 업데이트 후 경계는 양의 너비 와 높이 를 갖게 됩니다 . x0 및 y0 은 최소값이 됩니다.
- update_from_data_y ( y , 무시 = 없음 ) [출처] #
Bbox
전달된 데이터를 기반으로 의 y 경계를 업데이트합니다 . 업데이트 후 경계는 양의 높이 를 가지며 y0 은 최소값이 됩니다.
- 클래스 matplotlib.transforms. BboxBase ( shorthand_name = None ) [소스] #
베이스:
TransformNode
모든 경계 상자의 기본 클래스입니다.
이 클래스는 변경할 수 없습니다.
Bbox
가변 하위 클래스입니다.표준 표현은 순서에 대한 제한이 없는 두 지점입니다. 왼쪽, 아래쪽, 오른쪽 및 위쪽 가장자리와 너비 및 높이를 가져오기 위해 편의 속성이 제공되지만 명시적으로 저장되지는 않습니다.
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __주석__ = {} #
- __module__ = 'matplotlib.transforms' #
- 계수 = {'C': (0.5, 0.5), 'E': (1.0, 0.5), 'N': (0.5, 1.0), 'NE': (1.0, 1.0), 'NW': (0, 1.0), 'S': (0.5, 0), 'SE': (1.0, 0), 'SW': (0, 0), 'W': (0, 0.5)} #
- count_contains ( 정점 ) [소스] #
에 포함된 정점의 수를 계산합니다
Bbox
. 유한하지 않은 x 또는 y 값을 가진 정점은 무시됩니다.- 매개변수 :
- 정점 Nx2 Numpy 배열.
- 냉동 ( ) [출처] #
변환 트리에 참여하고 부모를 무효화하거나 무효화해야 하는 항목의 기본 클래스입니다. 일부 변환은 해당 값을 계산하기 위해 경계 상자에 의존하기 때문에 경계 상자와 같이 실제로 변환이 아닌 클래스가 포함됩니다.
- 속성 높이 #
경계 상자의 (부호 있는) 높이입니다.
- 속성 간격x #
경계 상자를 정의하는 x 좌표 쌍입니다 .
왼쪽에서 오른쪽으로 정렬되는 것은 아닙니다.
- 속성 간격 #
경계 상자를 정의하는 y 좌표 쌍입니다 .
아래에서 위로 정렬되는 것은 아닙니다.
- is_affine = 참 #
- is_bbox = 참 #
- 재산 최대 #
경계 상자의 오른쪽 위 모서리입니다.
- 속성 최소 #
경계 상자의 왼쪽 아래 모서리입니다.
- 축소 ( mx , my ) [출처] #
x 방향 으로 인수 mx 만큼 , y 방향으로 인수 my
Bbox
만큼 축소된 의 복사본을 반환합니다 . 상자의 왼쪽 하단 모서리는 변경되지 않습니다. 일반적으로 mx 와 my 는 1보다 작지만 강제되지는 않습니다.
- shrunk_to_aspect ( box_aspect , 컨테이너 = 없음 , fig_aspect = 1.0 ) [출처] #
의 복사본을 반환
Bbox
하고 원하는 종횡비 box_aspect 를 가지면서 최대한 크게 축소 합니다. 상자 좌표가 상대적인 경우(예: 그림과 같은 더 큰 상자의 분수) 해당 그림의 물리적 가로세로 비율은 fig_aspect로 지정 되므로 box_aspect 는 상대 치수가 아닌 절대 치수의 비율로도 제공될 수 있습니다. .
- 속성 크기 #
경계 상자의 (부호 있는) 너비와 높이입니다.
- 속성 너비 #
경계 상자의 (부호 있는) 너비입니다.
- 재산 xmax #
경계 상자의 오른쪽 가장자리입니다.
- 속성 xmin #
경계 상자의 왼쪽 가장자리입니다.
- 속성 ymax #
경계 상자의 위쪽 가장자리입니다.
- 속성 ymin #
경계 상자의 아래쪽 가장자리입니다.
- 클래스 matplotlib.transforms. BboxTransform ( boxin , boxout , ** kwargs ) [소스] #
베이스:
Affine2DBase
BboxTransform
포인트를 서로 선형으로 변환Bbox
합니다.점을 boxin 에서 boxout
BboxTransform
으로 선형 변환 하는 new를 만듭니다 .- __주석__ = {} #
- __init__ ( boxin , boxout , ** kwargs ) [출처] #
점을 boxin 에서 boxout
BboxTransform
으로 선형 변환 하는 new를 만듭니다 .
- __module__ = 'matplotlib.transforms' #
- is_separable = 참 #
이 변환이 x 및 y 차원에서 분리 가능한 경우 참입니다.
- 클래스 matplotlib.transforms. BboxTransformFrom ( boxin , ** kwargs ) [소스] #
베이스:
Affine2DBase
BboxTransformFrom
주어진 점에서Bbox
단위 경계 상자로 점을 선형 변환합니다.- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __주석__ = {} #
- __init__ ( boxin , ** kwargs ) [출처] #
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __module__ = 'matplotlib.transforms' #
- is_separable = 참 #
이 변환이 x 및 y 차원에서 분리 가능한 경우 참입니다.
- 클래스 matplotlib.transforms. BboxTransformTo ( boxout , ** kwargs ) [소스] #
베이스:
Affine2DBase
BboxTransformTo
단위 경계 상자에서 주어진 점으로 선형 변환하는 변환입니다Bbox
.BboxTransformTo
단위 경계 상자에서 boxout 으로 점을 선형으로 변환 하는 새 항목을 만듭니다 .- __주석__ = {} #
- __init__ ( boxout , ** kwargs ) [출처] #
BboxTransformTo
단위 경계 상자에서 boxout 으로 점을 선형으로 변환 하는 새 항목을 만듭니다 .
- __module__ = 'matplotlib.transforms' #
- is_separable = 참 #
이 변환이 x 및 y 차원에서 분리 가능한 경우 참입니다.
- 클래스 matplotlib.transforms. BboxTransformToMaxOnly ( boxout , ** kwargs ) [소스] #
베이스:
BboxTransformTo
BboxTransformTo
Bbox
(0, 0)의 고정된 왼쪽 상단을 사용 하여 단위 경계 상자에서 주어진 점으로 선형 변환하는 변환입니다 .BboxTransformTo
단위 경계 상자에서 boxout 으로 점을 선형으로 변환 하는 새 항목을 만듭니다 .- __주석__ = {} #
- __module__ = 'matplotlib.transforms' #
- 클래스 matplotlib.transforms. BlendedAffine2D ( x_transform , y_transform , ** kwargs ) [소스] #
베이스:
_BlendedMixin
,Affine2DBase
"혼합" 변환은 x 방향에 대해 하나의 변환을 사용하고 y 방향 에 대해 다른 변환을 사용합니다 .
이 버전은 두 하위 변환이 유형인 경우에 대한 최적화입니다
Affine2DBase
.x 축을 변환하기 위해 x_transform을 사용 하고 y 축을 변환하기 위해 y_transform 을 사용하여 새로운 "혼합" 변환을 만듭니다 .
x_transform 및 y_transform 은 모두 2D 아핀 변환이어야 합니다 .
일반적으로 이 생성자를 직접 호출하지
blended_transform_factory
않고 대신 생성할 혼합 변환 종류를 자동으로 결정할 수 있는 함수를 사용합니다.- __주석__ = {} #
- __init__ ( x_transform , y_transform , ** kwargs ) [출처] #
x 축을 변환하기 위해 x_transform을 사용 하고 y 축을 변환하기 위해 y_transform 을 사용하여 새로운 "혼합" 변환을 만듭니다 .
x_transform 및 y_transform 은 모두 2D 아핀 변환이어야 합니다 .
일반적으로 이 생성자를 직접 호출하지
blended_transform_factory
않고 대신 생성할 혼합 변환 종류를 자동으로 결정할 수 있는 함수를 사용합니다.
- __module__ = 'matplotlib.transforms' #
- is_separable = 참 #
이 변환이 x 및 y 차원에서 분리 가능한 경우 참입니다.
- 클래스 matplotlib.transforms. BlendedGenericTransform ( x_transform , y_transform , ** kwargs ) [소스] #
베이스:
_BlendedMixin
,Transform
"혼합" 변환은 x 방향에 대해 하나의 변환을 사용하고 y 방향 에 대해 다른 변환을 사용합니다 .
이 "일반" 버전은 x 방향 과 y 방향 에서 주어진 자식 변환을 처리할 수 있습니다 .
x 축을 변환하기 위해 x_transform을 사용 하고 y 축을 변환하기 위해 y_transform 을 사용하여 새로운 "혼합" 변환을 만듭니다 .
일반적으로 이 생성자를 직접 호출하지
blended_transform_factory
않고 대신 생성할 혼합 변환 종류를 자동으로 결정할 수 있는 함수를 사용합니다.- __주석__ = {} #
- __init__ ( x_transform , y_transform , ** kwargs ) [출처] #
x 축을 변환하기 위해 x_transform을 사용 하고 y 축을 변환하기 위해 y_transform 을 사용하여 새로운 "혼합" 변환을 만듭니다 .
일반적으로 이 생성자를 직접 호출하지
blended_transform_factory
않고 대신 생성할 혼합 변환 종류를 자동으로 결정할 수 있는 함수를 사용합니다.
- __module__ = 'matplotlib.transforms' #
- contains_branch ( 기타 ) [출처] #
주어진 변환이 이 변환의 하위 트리인지 여부를 반환합니다.
이 루틴은 변환 동등성을 사용하여 하위 트리를 식별하므로 많은 상황에서 사용될 객체 ID입니다.
주어진 변환이 이 변환 전체를 나타내는 경우 True를 반환합니다.
- 속성 깊이 #
이 Transform 인스턴스를 형성하기 위해 함께 연결된 변환의 수를 반환합니다.
메모
복합 변환의 특수한 경우에는 둘 중 최대 깊이가 반환됩니다.
- 냉동 ( ) [출처] #
이 변환 노드의 고정된 복사본을 반환합니다. 고정된 사본은 하위 항목이 변경될 때 업데이트되지 않습니다.
copy.deepcopy()
일반적으로 사용될 수 있는 변환의 이전에 알려진 상태를 저장하는 데 유용합니다 .
- 속성 has_inverse #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- 입력_딤 = 2 #
이 변환의 입력 차원 수입니다. 하위 클래스에서 재정의(정수 사용)해야 합니다.
- 거꾸로 ( ) [출처] #
해당 역변환을 반환합니다.
. _
x == self.inverted().transform(self.transform(x))
이 메서드의 반환 값은 임시로 처리되어야 합니다. self 에 대한 업데이트 는 반전된 복사본에 해당하는 업데이트를 유발하지 않습니다.
- 속성 is_affine #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- is_separable = 참 #
이 변환이 x 및 y 차원에서 분리 가능한 경우 참입니다.
- output_dims = 2 #
이 변환의 출력 차원 수입니다. 하위 클래스에서 재정의(정수 사용)해야 합니다.
- pass_through = 참 #
pass_through가 True이면 'self'가 이미 유효하지 않은 경우에도 모든 조상이 항상 무효화됩니다.
- transform_non_affine ( 포인트 ) [출처] #
이 변환의 비친화적 부분만 적용하십시오.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비아핀 변환에서 이는 일반적으로 와 동일합니다
transform(values)
. 아핀 변환에서 이것은 항상 작동하지 않습니다.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- 클래스 matplotlib.transforms. CompositeAffine2D ( a , b , ** kwargs ) [소스] #
베이스:
Affine2DBase
변환 a 를 적용한 다음 변환 b 를 적용하여 형성된 복합 변환 입니다.
이 버전은 a 와 b 가 모두 2D 아핀 인 경우를 처리하는 최적화입니다 .
a 다음 에 b 를 적용한 결과인 새 복합 변환을 만듭니다 .
Affine2DBase
Affine2DBase
일반적으로 이 생성자를 직접 호출하지 않고 대신 작성할 것입니다. 이렇게 하면 생성할 최상의 복합 변환 인스턴스가 자동으로 선택됩니다.
a + b
- __주석__ = {} #
- __init__ ( a , b , ** kwargs ) [출처] #
a 다음 에 b 를 적용한 결과인 새 복합 변환을 만듭니다 .
Affine2DBase
Affine2DBase
일반적으로 이 생성자를 직접 호출하지 않고 대신 작성할 것입니다. 이렇게 하면 생성할 최상의 복합 변환 인스턴스가 자동으로 선택됩니다.
a + b
- __module__ = 'matplotlib.transforms' #
- 속성 깊이 #
이 Transform 인스턴스를 형성하기 위해 함께 연결된 변환의 수를 반환합니다.
메모
복합 변환의 특수한 경우에는 둘 중 최대 깊이가 반환됩니다.
- 클래스 matplotlib.transforms. CompositeGenericTransform ( a , b , ** kwargs ) [소스] #
베이스:
Transform
변환 a 를 적용한 다음 변환 b 를 적용하여 형성된 복합 변환 입니다.
이 "일반" 버전은 두 가지 임의 변환을 처리할 수 있습니다.
변환 a 를 적용한 다음 변환 b 를 적용한 결과인 새 복합 변환을 만듭니다 .
일반적으로 이 생성자를 직접 호출하지 않고 대신 작성할 것입니다. 이렇게 하면 생성할 최상의 복합 변환 인스턴스가 자동으로 선택됩니다.
a + b
- __주석__ = {} #
- __hash__ = 없음 #
- __init__ ( a , b , ** kwargs ) [출처] #
변환 a 를 적용한 다음 변환 b 를 적용한 결과인 새 복합 변환을 만듭니다 .
일반적으로 이 생성자를 직접 호출하지 않고 대신 작성할 것입니다. 이렇게 하면 생성할 최상의 복합 변환 인스턴스가 자동으로 선택됩니다.
a + b
- __module__ = 'matplotlib.transforms' #
- 속성 깊이 #
이 Transform 인스턴스를 형성하기 위해 함께 연결된 변환의 수를 반환합니다.
메모
복합 변환의 특수한 경우에는 둘 중 최대 깊이가 반환됩니다.
- 냉동 ( ) [출처] #
이 변환 노드의 고정된 복사본을 반환합니다. 고정된 사본은 하위 항목이 변경될 때 업데이트되지 않습니다.
copy.deepcopy()
일반적으로 사용될 수 있는 변환의 이전에 알려진 상태를 저장하는 데 유용합니다 .
- 속성 has_inverse #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- 거꾸로 ( ) [출처] #
해당 역변환을 반환합니다.
. _
x == self.inverted().transform(self.transform(x))
이 메서드의 반환 값은 임시로 처리되어야 합니다. self 에 대한 업데이트 는 반전된 복사본에 해당하는 업데이트를 유발하지 않습니다.
- 속성 is_affine #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- 속성 is_separable #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- pass_through = 참 #
pass_through가 True이면 'self'가 이미 유효하지 않은 경우에도 모든 조상이 항상 무효화됩니다.
- transform_affine ( 포인트 ) [출처] #
주어진 값 배열에 이 변환의 아핀 부분만 적용합니다.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비 아핀 변환에서 이것은 일반적으로 작동하지 않습니다. 아핀 변환에서 이것은 와 동일합니다
transform(values)
.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_non_affine ( 포인트 ) [출처] #
이 변환의 비친화적 부분만 적용하십시오.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비아핀 변환에서 이는 일반적으로 와 동일합니다
transform(values)
. 아핀 변환에서 이것은 항상 작동하지 않습니다.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- 클래스 matplotlib.transforms. IdentityTransform ( * args , ** kwargs ) [소스] #
베이스:
Affine2DBase
신원 변환이라는 한 가지 작업을 빠르게 수행하는 특수 클래스입니다.
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __주석__ = {} #
- __module__ = 'matplotlib.transforms' #
- 냉동 ( ) [출처] #
이 변환 노드의 고정된 복사본을 반환합니다. 고정된 사본은 하위 항목이 변경될 때 업데이트되지 않습니다.
copy.deepcopy()
일반적으로 사용될 수 있는 변환의 이전에 알려진 상태를 저장하는 데 유용합니다 .
- 거꾸로 ( ) [출처] #
해당 역변환을 반환합니다.
. _
x == self.inverted().transform(self.transform(x))
이 메서드의 반환 값은 임시로 처리되어야 합니다. self 에 대한 업데이트 는 반전된 복사본에 해당하는 업데이트를 유발하지 않습니다.
- 변환 ( 포인트 ) [소스] #
주어진 값 배열에 이 변환을 적용합니다 .
- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_affine ( 포인트 ) [출처] #
주어진 값 배열에 이 변환의 아핀 부분만 적용합니다.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비 아핀 변환에서 이것은 일반적으로 작동하지 않습니다. 아핀 변환에서 이것은 와 동일합니다
transform(values)
.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_non_affine ( 포인트 ) [출처] #
이 변환의 비친화적 부분만 적용하십시오.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비아핀 변환에서 이는 일반적으로 와 동일합니다
transform(values)
. 아핀 변환에서 이것은 항상 작동하지 않습니다.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_path ( 경로 ) [소스] #
변환을 path 에 적용하고 새 를 반환합니다 .
Path
Path
경우에 따라 이 변환은 선분으로 시작된 경로에 곡선을 삽입할 수 있습니다.
- 클래스 matplotlib.transforms. LockableBbox ( bbox , x0 = 없음 , y0 = 없음 , x1 = 없음 , y1 = 없음 , ** kwargs ) [출처] #
베이스:
BboxBase
Bbox
일부 요소가 특정 값에서 잠길 수 있는 곳입니다 .하위 경계 상자가 변경되면 잠긴 요소를 제외하고 이 bbox의 경계가 그에 따라 업데이트됩니다.
- 매개변수 :
- 비박스
Bbox
래핑할 자식 경계 상자입니다.
- x0 float 또는 없음
x0에 대한 잠긴 값 또는 잠금 해제 상태로 두려면 None입니다.
- y0 float 또는 없음
y0에 대한 잠긴 값 또는 잠금 해제 상태로 두려면 None입니다.
- x1 float 또는 없음
x1에 대한 잠긴 값 또는 잠금 해제된 상태로 두려면 None입니다.
- y1 float 또는 없음
y1의 잠긴 값 또는 잠금 해제된 상태로 두려면 None입니다.
- 비박스
- __주석__ = {} #
- __init__ ( bbox , x0 = 없음 , y0 = 없음 , x1 = 없음 , y1 = 없음 , ** kwargs ) [출처] #
- 매개변수 :
- 비박스
Bbox
래핑할 자식 경계 상자입니다.
- x0 float 또는 없음
x0에 대한 잠긴 값 또는 잠금 해제 상태로 두려면 None입니다.
- y0 float 또는 없음
y0에 대한 잠긴 값 또는 잠금 해제 상태로 두려면 None입니다.
- x1 float 또는 없음
x1에 대한 잠긴 값 또는 잠금 해제된 상태로 두려면 None입니다.
- y1 float 또는 없음
y1의 잠긴 값 또는 잠금 해제된 상태로 두려면 None입니다.
- 비박스
- __module__ = 'matplotlib.transforms' #
- 속성 locked_x0 #
float 또는 None: 잠긴 x0에 사용되는 값입니다.
- 속성 locked_x1 #
float 또는 None: 잠긴 x1에 사용되는 값입니다.
- 속성 locked_y0 #
float 또는 None: 잠긴 y0에 사용되는 값입니다.
- 속성 locked_y1 #
float 또는 None: 잠긴 y1에 사용되는 값입니다.
- 클래스 matplotlib.transforms. ScaledTranslation ( xt , yt , scale_trans , ** kwargs ) [소스] #
베이스:
Affine2DBase
xt 및 yt 가 scale_trans 에 의해 변환된 후 xt 및 yt 에 의해 변환되는 변환 입니다 .
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __주석__ = {} #
- __init__ ( xt , yt , scale_trans , ** kwargs ) [출처] #
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __module__ = 'matplotlib.transforms' #
- 클래스 matplotlib.transforms. 변환 ( shorthand_name = None ) [소스] #
베이스:
TransformNode
TransformNode
실제로 변환을 수행하는 모든 인스턴스의 기본 클래스입니다 .모든 비아핀 변환은 이 클래스의 하위 클래스여야 합니다. 새로운 아핀 변환은 의 하위 클래스여야 합니다
Affine2D
.이 클래스의 서브클래스는 최소한 다음 멤버를 재정의해야 합니다.
inverted()
(역이 존재하는 경우)
기본값이 적합하지 않은 경우 다음 속성을 재정의할 수 있습니다.
is_separable
(기본값은 1D -> 1D 변환의 경우 True, 그렇지 않은 경우 False)has_inverse
(재정의된 경우 기본값은 Trueinverted()
, 그렇지 않으면 False)
matplotlib.path.Path
변환 이 한때 선 세그먼트가 있었던 곳에 곡선을 추가하는 것과 같이 개체에 대해 비표준 작업을 수행해야 하는 경우 다음 을 재정의해야 합니다.- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __추가__ ( 기타 ) [출처] #
self 다음에 other 가 오도록 두 변환을 함께 구성합니다 .
A + B
C
변환 을 반환하여 .C.transform(x) == B.transform(A.transform(x))
- __주석__ = {} #
- classmethod __init_subclass__ ( ) [소스] #
이 메서드는 클래스가 서브클래싱될 때 호출됩니다.
기본 구현은 아무 작업도 수행하지 않습니다. 하위 클래스를 확장하기 위해 재정의될 수 있습니다.
- __module__ = 'matplotlib.transforms' #
- __sub__ ( 기타 ) [출처] #
other 의 역으로 self 를 작성 하고 동일한 조건이 있는 경우 이를 취소합니다.
# In general: A - B == A + B.inverted() # (but see note regarding frozen transforms below). # If A "ends with" B (i.e. A == A' + B for some A') we can cancel # out B: (A' + B) - B == A' # Likewise, if B "starts with" A (B = A + B'), we can cancel out A: A - (A + B') == B'.inverted() == B'^-1
취소(순진하게 반환하는 것보다 )는 여러 가지 이유로 중요합니다.
A + B.inverted()
이것은 B의 역을 계산할 때 부동 소수점 부정확성을 방지합니다. 는 정확히 상쇄되는 것을 보장하지만(항등 변환 결과) 작은 엡실론만큼 다를 수 있습니다.
B - B
B + B.inverted()
B.inverted()
항상 고정된 변환을 반환합니다. 하나가 계산 하고 나중에 변경 되면 업데이트되지 않고 마지막 두 용어가 더 이상 취소되지 않습니다. 반면에 는 가 돌연변이된 경우에도 항상 같습니다 .A + B + B.inverted()
B
B.inverted()
A + B - B
A
B
- contains_branch ( 기타 ) [출처] #
주어진 변환이 이 변환의 하위 트리인지 여부를 반환합니다.
이 루틴은 변환 동등성을 사용하여 하위 트리를 식별하므로 많은 상황에서 사용될 객체 ID입니다.
주어진 변환이 이 변환 전체를 나타내는 경우 True를 반환합니다.
- contains_branch_seperately ( other_transform ) [소스] #
주어진 분기가 각 개별 차원에서 이 변환의 하위 트리인지 여부를 반환합니다.
이 방법의 일반적인 용도는 변환이 Axes의 데이터 변환을 포함하는 혼합 변환인지 식별하는 것입니다. 예:
x_isdata, y_isdata = trans.contains_branch_seperately(ax.transData)
- 속성 깊이 #
이 Transform 인스턴스를 형성하기 위해 함께 연결된 변환의 수를 반환합니다.
메모
복합 변환의 특수한 경우에는 둘 중 최대 깊이가 반환됩니다.
- has_inverse = 거짓 #
이 변환에 해당하는 역변환이 있는 경우 참입니다.
- input_dims = 없음 #
이 변환의 입력 차원 수입니다. 하위 클래스에서 재정의(정수 사용)해야 합니다.
- 거꾸로 ( ) [출처] #
해당 역변환을 반환합니다.
. _
x == self.inverted().transform(self.transform(x))
이 메서드의 반환 값은 임시로 처리되어야 합니다. self 에 대한 업데이트 는 반전된 복사본에 해당하는 업데이트를 유발하지 않습니다.
- is_separable = 거짓 #
이 변환이 x 및 y 차원에서 분리 가능한 경우 참입니다.
- output_dims = 없음 #
이 변환의 출력 차원 수입니다. 하위 클래스에서 재정의(정수 사용)해야 합니다.
- 변환 ( 값 ) [소스] #
주어진 값 배열에 이 변환을 적용합니다 .
- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_affine ( 값 ) [소스] #
주어진 값 배열에 이 변환의 아핀 부분만 적용합니다.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비 아핀 변환에서 이것은 일반적으로 작동하지 않습니다. 아핀 변환에서 이것은 와 동일합니다
transform(values)
.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_angles ( 각도 , pts , 라디안 = False , 푸시오프 = 1e-05 ) [출처] #
특정 위치에 고정된 일련의 각도를 변환합니다.
- 매개변수 :
- 각도 (N,) 배열형
변환할 각도입니다.
- pts (N, 2) 유사 배열
각도가 고정되는 점입니다.
- 라디안 부울, 기본값: False
각도 가 라디안인지 도인 지 여부 .
- 푸시 오프 플로트
pts 의 각 점 과 angles 의 각도에 대해 변환된 각도는 해당 점에서 시작하는 푸시오프 길이의 세그먼트를 변환하고 수평축을 기준으로 해당 각도를 만들고 수평축과 변환된 세그먼트 사이의 각도를 측정하여 계산됩니다.
- 반환 :
- (N,) 배열
- transform_bbox ( bbox ) [소스] #
주어진 경계 상자를 변환합니다.
캐싱(Matplotlib의 공통 요구 사항)을 포함한 더 스마트한 변환에 대해서는 를 참조하십시오
TransformedBbox
.
- transform_non_affine ( 값 ) [소스] #
이 변환의 비친화적 부분만 적용하십시오.
transform(values)
는 항상 와 같습니다transform_affine(transform_non_affine(values))
.비아핀 변환에서 이는 일반적으로 와 동일합니다
transform(values)
. 아핀 변환에서 이것은 항상 작동하지 않습니다.- 매개변수 :
- 값 배열
input_dims
입력 값은 길이 또는 모양(N x ) 의 NumPy 배열입니다input_dims
.
- 반환 :
- 정렬
입력에 따라 길이
output_dims
또는 모양(N x ) 의 NumPy 배열로 출력 값 .output_dims
- transform_path ( 경로 ) [소스] #
변환을 path 에 적용하고 새 를 반환합니다 .
Path
Path
경우에 따라 이 변환은 선분으로 시작된 경로에 곡선을 삽입할 수 있습니다.
- transform_path_affine ( 경로 ) [소스] #
이 변환의 아핀 부분을 경로 에 적용하여 새 를 반환합니다 .
Path
Path
transform_path(path)
에 해당합니다transform_path_affine(transform_path_non_affine(values))
.
- transform_path_non_affine ( 경로 ) [소스] #
이 변환의 non-affine 부분을 path 에 적용하여 new 를 반환합니다 .
Path
Path
transform_path(path)
에 해당합니다transform_path_affine(transform_path_non_affine(values))
.
- transform_point ( 포인트 ) [소스] #
변환된 포인트를 반환합니다.
이 기능은 이전 버전과의 호환성을 위해서만 유지됩니다. 보다 일반적인
transform
방법은 포인트 목록과 단일 포인트를 모두 변환할 수 있습니다.포인트는 length 의 시퀀스로 제공됩니다
input_dims
. 변환된 포인트는 길이의 시퀀스로 반환됩니다output_dims
.
- 클래스 matplotlib.transforms. TransformNode ( shorthand_name = None ) [소스] #
베이스:
object
변환 트리에 참여하고 부모를 무효화하거나 무효화해야 하는 항목의 기본 클래스입니다. 일부 변환은 해당 값을 계산하기 위해 경계 상자에 의존하기 때문에 경계 상자와 같이 실제로 변환이 아닌 클래스가 포함됩니다.
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- 유효하지 않음 = 3 #
- INVALID_AFFINE = 2 #
- INVALID_NON_AFFINE = 1 #
- __주석__ = {} #
- __dict__ = mappingproxy({'__module__': 'matplotlib.transforms', '__doc__': '\n 변환 트리에 참여하고\n 부모 를 무효화 하거나 무효화 해야 하는 항목 의 기본 클래스 입니다 . 여기 에는 \ n 클래스 가 포함 됩니다 . 일부 변환 은 경계 에 의존 하기 때문에 \n 경계 상자 와 같이 실제로 변환 이 아닙니다 . 값 을 계산 하는 상자 입니다.\n ', 'INVALID_NON_AFFINE': 1, 'INVALID_AFFINE': 2, 'INVALID': 3, 'is_affine': False, 'is_bbox': False, 'pass_through': False, '__init__': <function TransformNode.__init__>, '__getstate__': <function TransformNode.__getstate__>, '__setstate__': <function TransformNode.__setstate__>, '__copy__': <function TransformNode.__copy__>, 'invalidate': <함수 TransformNode.invalidate>, '_invalidate_internal': <function TransformNode._invalidate_internal>, 'set_children': <function TransformNode.set_children>, 'frozen': <function TransformNode.frozen>, '__dict__': < 'TransformNode' 객체 의 '__dict__' 특성>, '__weakref__': < 속성 '__weakref__' of 'TransformNode' objects>, '__annotations__': {}}) #
- __init__ ( shorthand_name = None ) [출처] #
- 매개변수 :
- shorthand_name 문자열
변환의 "이름"을 나타내는 문자열입니다.
str(transform)
이름은 DEBUG=True일 때 가독성을 높이는 것 외에는 의미가 없습니다 .
- __module__ = 'matplotlib.transforms' #
- __weakref__ #
개체에 대한 약한 참조 목록(정의된 경우)
- 냉동 ( ) [출처] #
이 변환 노드의 고정된 복사본을 반환합니다. 고정된 사본은 하위 항목이 변경될 때 업데이트되지 않습니다.
copy.deepcopy()
일반적으로 사용될 수 있는 변환의 이전에 알려진 상태를 저장하는 데 유용합니다 .
- 무효화 ( ) [출처] #
이것을
TransformNode
무효화하고 조상의 무효화를 트리거합니다. 변환이 변경될 때마다 호출해야 합니다.
- is_affine = 거짓 #
- is_bbox = 거짓 #
- pass_through = 거짓 #
pass_through가 True이면 'self'가 이미 유효하지 않은 경우에도 모든 조상이 항상 무효화됩니다.
- 클래스 matplotlib.transforms. TransformWrapper ( 자식 ) [출처] #
베이스:
Transform
단일 하위 변환을 보유하고 이에 동등하게 작동하는 도우미 클래스입니다.
이는 변환 트리의 노드를 런타임 시 다른 유형의 변환으로 바꿔야 하는 경우에 유용합니다. 이 클래스를 사용하면 대체가 무효화를 올바르게 트리거할 수 있습니다.
TransformWrapper
인스턴스는 전체 수명 동안 동일한 입력 및 출력 차원을 가져야 하므로 하위 변환은 동일한 차원의 다른 하위 변환으로만 대체될 수 있습니다.자식 :
Transform
인스턴스입니다. 이 자식은 나중에 로 대체될 수 있습니다set()
.- __주석__ = {} #
- __hash__ = 없음 #
- __module__ = 'matplotlib.transforms' #
- 냉동 ( ) [출처] #
이 변환 노드의 고정된 복사본을 반환합니다. 고정된 사본은 하위 항목이 변경될 때 업데이트되지 않습니다.
copy.deepcopy()
일반적으로 사용될 수 있는 변환의 이전에 알려진 상태를 저장하는 데 유용합니다 .
- 속성 has_inverse #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- 속성 is_affine #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- 속성 is_separable #
부울(x) -> 부울
인수 x가 참이면 True를 반환하고 그렇지 않으면 False를 반환합니다. 내장 True 및 False는 bool 클래스의 유일한 두 인스턴스입니다. bool 클래스는 int 클래스의 하위 클래스이며 하위 클래스로 만들 수 없습니다.
- pass_through = 참 #
pass_through가 True이면 'self'가 이미 유효하지 않은 경우에도 모든 조상이 항상 무효화됩니다.
- 클래스 matplotlib.transforms. TransformedBbox ( bbox , transform , ** kwargs ) [소스] #
베이스:
BboxBase
Bbox
지정된 변환에 의해 자동으로 변환되는 A 입니다. 하위 경계 상자 또는 변환이 변경되면 이 bbox의 경계도 그에 따라 업데이트됩니다.- __주석__ = {} #
- __module__ = 'matplotlib.transforms' #
- 클래스 matplotlib.transforms. TransformedPatchPath ( 패치 ) [소스] #
베이스:
TransformedPath
A
TransformedPatchPath
는Patch
. 이 캐시된 사본은 변환 또는 패치의 비관계 부분이 변경될 때 자동으로 업데이트됩니다.- 매개변수 :
- 반점
Patch
- 반점
- __주석__ = {} #
- __module__ = 'matplotlib.transforms' #
- 클래스 matplotlib.transforms. TransformedPath ( 경로 , 변환 ) [소스] #
베이스:
TransformNode
A
TransformedPath
는Path
. 이 캐시된 사본은 변환의 비관계 부분이 변경될 때 자동으로 업데이트됩니다.메모
경로는 이 클래스에서 변경할 수 없는 것으로 간주됩니다. 경로의 정점/코드에 대한 업데이트는 변환 재계산을 트리거하지 않습니다.
- __주석__ = {} #
- __module__ = 'matplotlib.transforms' #
- get_transformed_path_and_affine ( ) [출처] #
변환을 완료하는 데 필요한 경로의 아핀 부분과 함께 변환의 비아핀 부분이 이미 적용된 자식 경로의 복사본을 반환합니다.
- get_transformed_points_and_affine ( ) [출처] #
변환을 완료하는 데 필요한 경로의 아핀 부분과 함께 변환의 비아핀 부분이 이미 적용된 자식 경로의 복사본을 반환합니다. 와 달리
get_transformed_path_and_affine()
보간이 수행되지 않습니다.
- matplotlib.transforms. blended_transform_factory ( x_transform , y_transform ) [소스] #
x 축을 변환하기 위해 x_transform을 사용 하고 y 축을 변환하기 위해 y_transform 을 사용하여 새로운 "혼합" 변환을 만듭니다 .
두 하위 변환이 아핀인 경우 혼합 변환의 더 빠른 버전이 반환됩니다.
- matplotlib.transforms. composite_transform_factory ( a , b ) [소스] #
변환 a를 적용한 다음 변환 b를 적용한 결과인 새 복합 변환을 만듭니다.
혼합 변환의 바로 가기 버전은 두 하위 변환이 모두 아핀 변환이거나 둘 중 하나가 ID 변환인 경우에 제공됩니다.
복합 변환은 '+' 연산자를 사용하여 만들 수도 있습니다. 예를 들면 다음과 같습니다.
c = a + b
- matplotlib.transforms. interval_contains ( 간격 , 값 ) [소스] #
간격에 주어진 값이 포함되어 있는지 여부를 포괄적으로 확인합니다.
- 매개변수 :
- 간격 (플로트, 플로트)
간격의 끝점입니다.
- 발 플로트
확인할 값이 간격 내에 있습니다.
- 반환 :
- 부울
val 이 간격 내에 있는지 여부 .
- matplotlib.transforms. interval_contains_open ( 간격 , 값 ) [소스] #
구간에 주어진 값이 포함되어 있는지 엔드포인트를 제외하고 확인합니다.
- 매개변수 :
- 간격 (플로트, 플로트)
간격의 끝점입니다.
- 발 플로트
확인할 값이 간격 내에 있습니다.
- 반환 :
- 부울
val 이 간격 내에 있는지 여부 .
- matplotlib.transforms. 비 특이 ( vmin , vmax , expander = 0.001 , tiny = 1e-15 , 증가 = True ) [source] #
특이점을 피하기 위해 필요에 따라 범위의 끝점을 수정합니다.
- 매개변수 :
- vmin, vmax 플로트
초기 끝점.
- 익스팬더 플로트, 기본값: 0.001
초기 간격이 너무 작은 경우 vmin 및 vmax 가 확장 되는 부분 크기로 , tiny 를 기준으로 합니다.
- 작은 플로트, 기본값: 1e-15
해당 끝점의 최대 절대값에 대한 간격의 비율에 대한 임계값입니다. 간격이 이보다 작으면 확장됩니다. 이 값은 약 1e-15 이상이어야 합니다. 그렇지 않으면 간격이 배정밀도 분해능 한계에 접근하게 됩니다.
- 증가 bool, 기본값: True
True인 경우 vmin > vmax 인 경우 vmin , vmax 를 바꿉니다 .
- 반환 :
- vmin, vmax 플로트
필요한 경우 확장 및/또는 교체된 엔드포인트. 입력 중 하나가 inf 또는 NaN이거나 두 입력이 모두 0이거나 0에 매우 가까운 경우 - expander , expander 를 반환합니다 .