Matlab 在“不可见”属性上同步多个轴 形势

假设我有特定时间的位置坐标。假设数据看起来像

data = A[rand(100, 3), sort(rand(100, 1))]

其中，

数据（：，1）

为x坐标，

数据（：，2）

为y坐标，

数据（：，3）

高度，

数据（：，4）

记录时间

我可以使用

pxy = subplot(2,2,1)            % Plot for X-Y-Data
plot(data(:,1), data(:,2))
ptx = subplot(2,2,2)            % Plot for T-X-Data
plot(data(:,4), data(:,1))
pty = subplot(2,2,3)            % ... and so on
plot(data(:,4), data(:,2))
pth = subplot(2,2,4)
plot(data(:,4), data(:,3))

现在，为了查看图形，最好同步轴

关于可能性的初步思考 一个简单的方法是使用

linkaxes

作为时间轴

linkaxes([ptx, pty, pth], 'x')

但是，这使xy绘图保持不变。因此，较弱的问题是如何将

ptx

的y轴连接到

pxy

的x轴

但让我们变得更复杂：

实际问题 假设我只有两个图，

pxy

和

pth

。现在，每当我放大或平移

pxy

时，

pxy

中可见的时间跨度就会被提取出来，并相应地修改

pth

。类似地，缩放

pth

会改变

pxy

，从而只有正确时间跨度内的数据可见

这种方法应该是可伸缩的，我可以绘制4个可能的图的任意子集，并相应地进行链接

你知道如何做到这一点吗

最佳解决方案仍然允许通过使用

按住

添加更多数据来修改基准图

你想要的（理论上的）问题是pxy应该是可逆的，而在离散域（matlab是离散的），这就变得更不清楚了

假设有两个点P1=（x1，y1）和P2=（x2，y2），它们在pxy中彼此相邻；如果P1和P2在pxy中都可见，您希望pxy的轴窗口对应于pth上的哪个轴窗口？Pth1还是Pth2？您必须为此定义一些决策规则。。可能基于您实际单击的两个（P1或P2）中的哪一个

---

实际上，当用户更改pxy上的缩放时，您必须运行函数来更改轴，这可以按照此处的说明来完成：

由于Gunthers的提示，我能够自己解决问题。 由于Gunthers的答案仍然需要大量的研究，我在下面提供了我自己的解决方案，以防有人在某个时候遇到类似的问题

首先，我在axis对象中添加了作为UserData所需的大部分数据。我的绘图函数（仅用于两个绘图）大致如下所示：

sb1 = subplot(1, 2, 1);
plot(data(:,1), data(:,2));
axis equal;
sb2 = subplot(1, 2, 2);
plot(data(:,4), data(:,3));
set(sb1, 'UserData', struct('projection', 'xy', 'data', data, 'link', [sb2]));
set(sb2, 'UserData', struct('projection', 'th', 'data', data, 'link', [sb1]));
panzoom(sb1, 'setlimits');   % Those two lines ensure that the zoom limits won't get changed
panzoom(sb2, 'setlimits');   % over time.

现在，我将处理程序设置为缩放功能：

z = zoom;
set(z, 'ActionPostCallback', @Track.synchronizePlots);
z = pan;
set(z, 'ActionPostCallback', @Track.synchronizePlots);

最后，这里是魔法发生的地方：

function synchronizePlots(obj, ax)
    ax = ax.Axes;           
    ud = get(ax, 'UserData');

    if ud.projection == 'xy'
        % That is the part discussed in the comments above,
        % which is, as I freely admit, not very sensible on a strict
        % mathematical point of view. However, the result is good enough for my
        % purpose
        xrange = get(ax, 'XLim');
        yrange = get(ax, 'YLim');
        pointsvisible = ud.data(1,:) >= xrange(1) & ...
                        ud.data(1,:) <= xrange(2) & ...
                        ud.data(2,:) >= yrange(1) & ...
                        ud.data(2,:) <= yrange(2);
        r = [min(ud.data(4, pointsvisible)), max(ud.data(4, pointsvisible))];
        if length(r) == 0  % The trick above may fail if there is no point in the zoom region.
            return         % in that case we just do nothing.
        end
    else
        r = get(ax, 'XLim');  % Straightforward
    end


    for a = ud.link  % The function does not care about the number of figures that have to be changed.
        linkud = get(a, 'UserData');

        if linkud.projection == 'xy'
            % Again, changing the xy-plot is that only part we have to work.
            pointsintime = linkud.data(4,:) >= r(1) & ...
                           linkud.data(4,:) <= r(2);
            xrange = [min(linkud.data(1, pointsintime)), ...
                      max(linkud.data(1, pointsintime))];
            yrange = [min(linkud.data(2, pointsintime)), ...
                      max(linkud.data(2, pointsintime))];
            if length(xrange) > 0
                 set(a, 'XLim', xrange);
                 set(a, 'YLim', yrange);
                 axis(a, 'equal');
            end
        else
            set(a, 'XLim', r);
        end
    end

功能同步程序段（obj、ax）
ax=ax轴；
ud=get（ax，'UserData'）；
如果ud.projection=='xy'
%这是上面评论中讨论的部分，
%正如我坦率地承认的那样，严格来说，这是不明智的
%数学观点。然而，结果对我来说已经足够好了
%目的
xrange=get（ax，'XLim'）；
yrange=get（ax，'YLim'）；
pointsvisible=ud.data（1，：）>=xrange（1）&。。。
ud.数据（1，：）=yrange（1）和。。。
ud.数据（2，：）=r（1）和。。。
linkud.data（4，：）0
设置（a，'XLim'，X范围）；
集合（a，'YLim'，yrange）；
轴（a，‘相等’）；
结束
其他的
设置（a，'XLim'，r）；
结束
结束

---

希望这对某人有所帮助。

谢谢你的回复。我现在正在研究你指给我的技术。关于更多的理论问题：我的方法是使用以下算法：确定

pxy

中可见的所有数据点P_i，并计算min（P_i（t））和max（P_i（t））。这将是

pth

的x轴极限。这种方法肯定不会总是得到最好的结果，但是，我的数据的性质表明，在大多数有趣的情况下，这应该足够了。如果你的数据是单调的，它将很容易反转。因此，您的方法也将是准确的。你可以想到很多可行的案例，也有很多不可行的案例。。