在matplotlib中放大了inset，但没有回复d

Question

我正在绘制一些matplotlib绘图，需要放大的插图。这可以通过axes_grid1工具箱中的zoomed_inset_axes实现。请参见示例here：

import matplotlib.pyplot as plt

from mpl_toolkits.axes_grid1.inset_locator import zoomed_inset_axes
from mpl_toolkits.axes_grid1.inset_locator import mark_inset

import numpy as np

def get_demo_image():
    from matplotlib.cbook import get_sample_data
    import numpy as np
    f = get_sample_data("axes_grid/bivariate_normal.npy", asfileobj=False)
    z = np.load(f)
    # z is a numpy array of 15x15
    return z, (-3,4,-4,3)

fig, ax = plt.subplots(figsize=[5,4])

# prepare the demo image
Z, extent = get_demo_image()
Z2 = np.zeros([150, 150], dtype="d")
ny, nx = Z.shape
Z2[30:30+ny, 30:30+nx] = Z

# extent = [-3, 4, -4, 3]
ax.imshow(Z2, extent=extent, interpolation="nearest",
          origin="lower")

axins = zoomed_inset_axes(ax, 6, loc=1) # zoom = 6
axins.imshow(Z2, extent=extent, interpolation="nearest",
             origin="lower")

# sub region of the original image
x1, x2, y1, y2 = -1.5, -0.9, -2.5, -1.9
axins.set_xlim(x1, x2)
axins.set_ylim(y1, y2)

plt.xticks(visible=False)
plt.yticks(visible=False)

# draw a bbox of the region of the inset axes in the parent axes and
# connecting lines between the bbox and the inset axes area
mark_inset(ax, axins, loc1=2, loc2=4, fc="none", ec="0.5")

plt.draw()
plt.show()

这将产生期望的结果：

http://matplotlib.org/1.3.1/_images/inset_locator_demo21.png

但是正如您在代码中看到的那样，数据必须绘制两次-一次用于主轴（ax.imshow...），一次用于插入轴（axins.imshow...）。在

我的问题是：

有没有办法在主绘图完成后添加缩放的插图，而不需要在新轴上重新绘制所有内容？在

请注意：我不是在寻找一种解决方案，它用一个函数包装plot调用，并让函数绘图ax和{}（见下面的示例），而是（如果存在的话）使用ax中现有数据的本机解决方案。有人知道这样的解决方案是否存在？在

这是包装解决方案：

^{pr2}$

它可以工作，但感觉有点像黑客攻击，因为如果我只想放大现有绘图区域，为什么还要重新绘制所有数据呢。在

---

在ed smith的回答之后，还做了一些补充说明：

上面的例子当然只是最小的例子。图中可能有许多不同的数据集（对于数据集我指的是通过imshow或plot等绘制的东西）。例如，想象一个有10个点阵列的散点图，所有这些点都是绘制的，而不是普通的x

正如我在上面所写的，最直接的方法就是使用一个包装器来绘制所有实例中的数据。但是我要寻找的是一种方法（如果它存在的话）从最后的ax对象开始（而不是单独的绘图命令），然后以某种方式创建缩放的inset。在

Answer 1

我想下面的内容可以满足您的需要。注意，您将返回的句柄用于第一个imshow，并将其添加到插入的轴上。你需要复印一份，这样每个数字都有一个单独的把手

import matplotlib.pyplot as plt

from mpl_toolkits.axes_grid1.inset_locator import zoomed_inset_axes
from mpl_toolkits.axes_grid1.inset_locator import mark_inset

import numpy as np
import copy

def get_demo_image():
    from matplotlib.cbook import get_sample_data
    import numpy as np
    f = get_sample_data("axes_grid/bivariate_normal.npy", asfileobj=False)
    z = np.load(f)
    # z is a numpy array of 15x15
    return z, (-3,4,-4,3)

fig, ax = plt.subplots(figsize=[5,4])

# prepare the demo image
Z, extent = get_demo_image()
Z2 = np.zeros([150, 150], dtype="d")
ny, nx = Z.shape
Z2[30:30+ny, 30:30+nx] = Z

# extent = [-3, 4, -4, 3]
im = ax.imshow(Z2, extent=extent, interpolation="nearest",
          origin="lower")

#Without copy, image is shown in insert only
imcopy = copy.copy(im)
axins = zoomed_inset_axes(ax, 6, loc=1) # zoom = 6
axins.add_artist(imcopy)

# sub region of the original image
x1, x2, y1, y2 = -1.5, -0.9, -2.5, -1.9
axins.set_xlim(x1, x2)
axins.set_ylim(y1, y2)

plt.xticks(visible=False)
plt.yticks(visible=False)

# draw a bbox of the region of the inset axes in the parent axes and
# connecting lines between the bbox and the inset axes area
mark_inset(ax, axins, loc1=2, loc2=4, fc="none", ec="0.5")

plt.draw()
plt.show()

对于你的包装函数，这应该是这样的

^{pr2}$

但是，由于imshow只是将存储在数组Z中的数据显示为一个图像，我认为这个解决方案实际上比两个单独调用imshow慢。对于耗时较长的绘图，例如contour绘图或pcolormesh，这种方法可能是明智的。。。在

编辑：

超过一个imshow，以及不同类型的多个绘图。绘图函数都返回不同的句柄（例如，plot返回一个行列表，imshow返回一个matplotlib.image.AxesImage等等）。您可以在绘图时不断地将这些句柄添加到列表（或dict）中（如果它们足够相似，可以使用collection）。然后您可以编写一个通用函数，使用add_artist或add_patch方法从缩放的轴将它们添加到一个轴上，可能使用if类型检查来处理绘图中使用的各种类型。一个更简单的方法是循环ax.get_children()并重用任何不是轴本身元素的内容。在

另一个选择可能是研究bliting技术，rasterization或其他用于加速动画的技术，例如使用fig.canvas.copy_from_bbox或{}将整个图形复制为图像（请参见why is plotting with Matplotlib so slow?}低）。您还可以绘制图形，将其保存到非矢量图形（使用savefig或StringIObuffer），读回并绘制放大版本。在