Python 在matplotlib中变换整个轴（或散点图）

我正在用下面的代码绘制一些数据的均值和方差的变化

import matplotlib.pyplot as pyplot
import numpy

vis_mv(data, ax = None):
    if ax is None: ax = pyplot.gca()
    cmap = pyplot.get_cmap()
    colors = cmap(numpy.linspace(0, 1, len(data)))

    xs = numpy.arange(len(data)) + 1
    means = numpy.array([ numpy.mean(x) for x in data ])
    varis = numpy.array([ numpy.var(x) for x in data ])
    vlim = max(1, numpy.amax(varis))

    # variance
    ax.imshow([[0.,1.],[0.,1.]],
        cmap = cmap, interpolation = 'bicubic',
        extent = (1, len(data), -vlim, vlim), aspect = 'auto'
    )
    ax.fill_between(xs, -vlim, -varis, color = 'white')
    ax.fill_between(xs, varis, vlim, color = 'white')

    # mean
    ax.plot(xs, means, color = 'white', zorder = 1)
    ax.scatter(xs, means, color = colors, edgecolor = 'white', zorder = 2)

    return ax

这非常好： 但是现在我想能够以一种垂直的方式使用这种可视化，作为一种高级的颜色条，类似于另一个情节旁边的东西。我希望能够旋转整个轴及其所有内容， 但我只能找到，这也不是一个确切的答案。因此，我试着自己做如下：

from matplotlib.transforms import Affine2D

ax = vis_mv()
r = Affine2D().rotate_deg(90) + ax.transData

for x in ax.images + ax.lines + ax.collections:
    x.set_transform(r)

old = ax.axis()
ax.axis(old[2:4] + old[0:2])

这个几乎做到了这一点（请注意，过去沿白线分布的散乱点是如何放大的，并且没有按预期旋转的）。 不幸的是，保存分散结果的

PathCollection

没有按预期工作。在尝试了一些东西之后，我发现散射具有某种偏移变换，这似乎与其他集合中的常规变换等效

x = numpy.arange(5)
ax = pyplot.gca()
p0, = ax.plot(x)
p1 = ax.scatter(x,x)

ax.transData == p0.get_transform()           # True
ax.transData == p1.get_offset_transform()    # True

看起来我可能想更改散点图的偏移变换，但我没有找到任何方法允许我在

路径集合

上更改该变换。而且，这会让我做我真正想做的事情更加不方便

有人知道是否存在更改偏移变换的可能性吗

---

提前感谢

不幸的是，

路径集合

没有

.set\u offset\u transform（）

方法，但是可以访问private

\u transOffset

属性并对其设置旋转变换

import matplotlib.pyplot as plt
from matplotlib.transforms import Affine2D
from matplotlib.collections import PathCollection
import numpy as np; np.random.seed(3)

def vis_mv(data, ax = None):
    if ax is None: ax = plt.gca()
    cmap = plt.get_cmap()
    colors = cmap(np.linspace(0, 1, len(data)))

    xs = np.arange(len(data)) + 1
    means = np.array([ np.mean(x) for x in data ])
    varis = np.array([ np.var(x) for x in data ])
    vlim = max(1, np.amax(varis))

    # variance
    ax.imshow([[0.,1.],[0.,1.]],
        cmap = cmap, interpolation = 'bicubic',
        extent = (1, len(data), -vlim, vlim), aspect = 'auto'  )
    ax.fill_between(xs, -vlim, -varis, color = 'white')
    ax.fill_between(xs, varis, vlim, color = 'white')

    # mean
    ax.plot(xs, means, color = 'white', zorder = 1)
    ax.scatter(xs, means, color = colors, edgecolor = 'white', zorder = 2)

    return ax

data = np.random.normal(size=(9, 9))
ax  = vis_mv(data)


r = Affine2D().rotate_deg(90)

for x in ax.images + ax.lines + ax.collections:
    trans = x.get_transform()
    x.set_transform(r+trans)
    if isinstance(x, PathCollection):
        transoff = x.get_offset_transform()
        x._transOffset = r+transoff

old = ax.axis()
ax.axis(old[2:4] + old[0:2])


plt.show()

---

你能发布你所拥有的和（大致）你想要的东西的样本图像吗？@VBB现在更清楚了吗？从垂直绘制开始怎么样

imshow

，

scatter

和

plot

将按原样工作，您可以使用

ax.fill\u betweenx

进行着色。（附言：很好的着色技巧）@VBB我最初做的每件事都是垂直的（除了我不知道ax.fill\u betweenx），但为了更仔细地观察，我把代码改写成水平的，希望我能够旋转整个东西。我显然可以有两个函数，但我希望有一个更优雅的解决方案…@ImportanceOfBeingErnest我更新了我的问题，1）提到了另一个问题的存在2）关注散点图