Python 如何在matplotlib中为子地块设置快速十字光标？

在这段

backtrader

的

matplotlib

实现视频中，我可以看到

matplotlib

中似乎存在一个默认的、非常快速且节省CPU的十字光标

我希望在

matplotlib

中使用相同类型的鼠标光标进行简单的多子图绘制，如下所示：

import numpy as np
import matplotlib

matplotlib.use('QT5Agg')
matplotlib.rcParams['figure.figsize'] = (20.0, 22.0)
import matplotlib.pyplot as plt

fig = plt.figure()
ax1 = plt.subplot(2, 1, 1)
ax2 = plt.subplot(2, 1, 2, sharex=ax1)

ax1.plot(np.array(np.random.rand(100)))
ax2.plot(np.array(np.random.rand(100)))

plt.show()

因此，如果我的鼠标在下部子图中，我想直接且非常精确地看到，下部图中的哪个x/y值对应于上部图中的哪个值对

---

我已经找到了其他解决方案，但与视频中的实现相比，它们似乎非常慢。

您可以通过创建十字光标

sel.extras.append（）

注意在绘制新光标时删除旧光标。使用

sel.annotation.set_text

可以调整显示的弹出注释。要省去注释，请使用

sel.annotation.set\u visible（False）

。要在另一个子批次中找到相应的y值，可以使用从曲线中提取的数据进行

np.interp

将numpy导入为np
将matplotlib.pyplot作为plt导入
导入MPLS游标
def十字线（sel）：
x、 y2=选择目标
y1=np.interp（选择目标[0]，plot1.get_-xdata（），plot1.get_-ydata（））
sel.annotation.set_text（f'x:{x:.2f}\ny1:{y1:.2f}\ny2:{y2:.2f}）
#sel.annotation.set_可见（False）
hline1=ax1.axhline（y1，color='k'，ls='：'）
vline1=ax1.axvline（x，color='k'，ls='：'）
vline2=ax2.axvline（x，color='k'，ls='：'）
hline2=ax2.axhline（y2，color='k'，ls='：'）
sel.extras.append（hline1）
附加选择（第1行）
sel.extras.append（hline2）
附加选择（第2行）
图=plt.图（图尺寸=（15,10））
ax1=plt.子批次（2,1,1）
ax2=plt.子批（2,1,2，sharex=ax1）
plot1，=ax1.plot（np.array（np.random.uniform（-1,1100.cumsum（）））
plot2，=ax2.plot（np.array（np.random.uniform（-1,1100.cumsum（）））
cursor=mplcursors.cursor（plot2，hover=True）
cursor.connect（'add'，十字线）
plt.show（）

下面是一个替代实现，它将数据存储在全局变量中并移动行（而不是删除和重新创建行）：

将numpy导入为np
将matplotlib.pyplot作为plt导入
导入MPLS游标
def十字线（sel）：
x=选择目标[0]
y1=np.INTP（x图，1X图，1Y图）
y2=np.INTP（x，绘图2X，绘图2Y）
sel.annotation.set_可见（False）
hline1.set_ydata（[y1]）
vline1.set_扩展数据（[x]）
hline2.set_ydata（[y2]）
vline2.set_扩展数据（[x]）
hline1.set_可见（True）
vline1.设置为可见（真）
hline2.set_可见（True）
vline2.set_可见（真）
图=plt.图（图尺寸=（15,10））
ax1=plt.子批次（2,1,1）
ax2=plt.子批（2,1,2，sharex=ax1）
plot1，=ax1.plot（np.array（np.random.uniform（-1,1100.cumsum（）））
plot2，=ax2.plot（np.array（np.random.uniform（-1,1100.cumsum（）））
plot1x=plot1.获取扩展数据（）
plot1y=plot1.get_ydata（）
plot2x=plot2.get_xdata（）
plot2y=plot2.get_ydata（）
hline1=ax1.axhline（plot1y[0]，color='k'，ls='：'，visible=False）
vline1=ax1.axvline（plot1x[0]，color='k'，ls=''：'，visible=False）
hline2=ax2.axhline（plot2y[0]，color='k'，ls=''：'，visible=False）
vline2=ax2.axvline（plot2x[0]，color='k'，ls=''：'，visible=False）
cursor=mplcursors.cursor（[plot1，plot2]，hover=True）
cursor.connect（'add'，十字线）
plt.show（）

感谢您的努力。但是这个解决方案和反向交易相比，我觉得不是很快，你确定吗？关闭注释时，is的工作速度似乎与视频中显示的速度相同。要稍微加快速度，可以将

plot1.get_xdata（）

和

plot1.get_ydata（）

的结果存储在全局变量中。您无法避免使用matplotlib功能。我现在意识到Backtrader使用matplotlib的

MultiCursor（）

功能（尽管稍加修改）。我认为这应该是合适的解决方案。你的问题还有待解决吗？