unicode 减号的转换（来自 matplotlib ticklabels）

Question

matplotlib 用来表示刻度标签的 Text 对象有问题。

出于测试原因，我需要检查在绘图中创建的刻度标签的值。如果标签是字符串或正数，则没有问题：返回一个 unicode 字符串，我对其进行测试（或根据情况将其转换为数字），一切正常。

但如果标签是负数，我得到的结果是一个损坏的 unicode 字符串，原因我无法理解。

让我们来看这个示例代码：

import pylab as plt
fig, ax = plt.subplots(1)
ax.plot([-1, 0, 1, 2], range(4))
labels = ax.get_xticklabels()

现在，如果我询问第二个标签（0）的文本内容，我会得到一个普通的 unicode 字符串：

labels[1].get_text()
# u'0.0'

但第一个（-1）的 unicode 是个奇怪的东西

labels[1].get_text()
# u'\u22121'

这在终端中打印正确，但在这种情况下，我需要用一个数值来处理它，并且每次转换都失败，int 和 float。

我尝试将其转换为 UTF-8 字符串

text = labels[1].get_text()
text.encode('utf8')
# '\xe2\x88\x921'

但它再次被正确打印并在转换时引发错误。我还查看了unicodedata 模块，但看起来它只能转换单个字符，所以在这种情况下没用。我也尝试使用unicodedata.normalize 和任何可能的格式来规范化字符串，但同样没有成功。

我移到了 pipy 模块 unidecode（如 Python and character normalization 中所建议的那样），再次没有任何成功

from unidecode import unidecode
unidecode(text)
# '[?]1'

我也尝试使用Non-ASCII characters in Matplotlib 中的解决方案来避免字体问题，但结果相同（我不确定它是否应该做点什么，因为这是一个可视化问题......）。问题Accented characters in Matplotlib 也有类似的问题，因为它关注的是可视化而不是本身的价值

我开始感到有些失落...我知道 python 2.7 有一些 unicode “困难”，但通常我可以通过某种方式避免它们。

我知道问题是减号，因为我可以通过粗暴替换罪魁祸首来避免问题：

text.replace(u'\u2212', '-')
# u'-1'

但这不仅仅是一个解决方案，而且我几乎可以肯定它在不同系统中不稳定，所以我想要更接近解决方案的东西。

我正在合作

• python 2.7.3
• matplotlib 1.2.0
• pylab 1.7.0
• IPython 0.13.1

在 Kubuntu 12.10 上。

非常感谢您的帮助！

编辑：

更正了情节的顺序，因为我把 x 和 y 颠倒了，抱歉

编辑2：

此链接上有类似的信息：http://www.coniferproductions.com/2012/12/17/unicode-character-dump-in-python/

最后，它显示了在某些书籍中使用的减号如何在审美上更令人愉悦，但 Python 解释器无法将其识别为有效字符。

编辑3：

谜题解开了。 matplotlib 返回的字符是“减号”，即减号的正确印刷符号。键盘创建的实际上是“HYPHEN-MINUS”，这是常用的，但在印刷上不正确。在维基百科上查看 http://en.wikipedia.org/wiki/Hyphen-minus 的解释。

所以，我使用的简单替换实际上是正确的实际操作，但“道德上”是 python（2.7 和 3.x 类似）中的一个错误，无法识别减号的正确符号。

查看http://bugs.python.org/issue6632中的错误跟踪

EDIT4：

要禁用此行为，matplotlib 上有一个简单的解决方案，只需在 .matplotlibrc 中或以编程方式修改 rcparams。

import matplotlib as mpl
mpl.rcParams['axes.unicode_minus']=False

Answer 1

所有有效的 Unicode 字符都有名称。我们可以检查已识别数字单词 (DIGIT.keys()) 的名称，并在此基础上用“普通”数字字符 (DIGIT.values()) 替换给定的 unicode 标签：

import matplotlib.pyplot as plt
import unicodedata as UD

DIGIT = {
    'MINUS': u'-',
    'ZERO': u'0',
    'ONE': u'1',
    'TWO': u'2',
    'THREE': u'3',
    'FOUR': u'4',
    'FIVE': u'5',
    'SIX': u'6',
    'SEVEN': u'7',
    'EIGHT': u'8',
    'NINE': u'9',
    'STOP': u'.'
    }

def guess(unistr):
    return ''.join([value for u in unistr
                    for key,value in DIGIT.iteritems()
                    if key in UD.name(u)])

fig, ax = plt.subplots(1)
ax.plot([-1, 0, 1, 2], range(4))
plt.savefig('/tmp/test.png')
labels = ax.get_xticklabels()
for label in labels:
    label = label.get_text()
    print(guess(label))

产量

-1.0
-0.5
0.0
0.5
1.0
1.5
2.0

Answer 2

使用plt.xticks() 代替ax.get_xticklabels()：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(1)
ax.plot([-1, 0, 1, 2], range(4))
plt.savefig('/tmp/test.png')
loc, labels = plt.xticks()
print(type(loc))
# <type 'numpy.ndarray'>
print(loc)
# [-1.  -0.5  0.   0.5  1.   1.5  2. ]