将 matplotlib 流图坐标转换为 numpy 坐标

Question

我目前正在使用 matplotlib，以便使用 matplotlib.pyplot.streamplot 创建特定矢量场的模块

在流图中的线条创建和着色之后，我正在尝试为绘图周围发散点周围的空白着色，我试图实现取决于周围白色像素距离的颜色渐变它。

有问题的流图是根据以下内容构建的：

xs=np.linspace(-10,10,2000)
ys=np.linspace(-10,10,2000)

因此，如果分歧位于（出于演示目的）(0,0)，它将正好位于绘图的中间。

现在，我能想到的根据距离进行着色的唯一方法有点笨拙，因为它需要我：

1. 在分歧点的顶部添加一个matplotlib.patches.Rectangle，并使用图像中尚未出现的特定颜色。

2. 将带有流线和矩形（流图中的每个发散点一个矩形）的绘图转换为np.array

3. 找到矩形颜色的新坐标（它们表示从流图创建的新np.array 中的分歧点的位置）。

4. 从彩色像素中计算出我想要的像素。

整个方法感觉笨重且过于复杂，而且显然比我能做的要慢。我确定有一种方法可以将 matplotlib 图中的坐标转换为 np.array 中的坐标，或者处理 matplotlib 中的着色，这将更容易。 遗憾的是，我还没有找到满足这一特定需求的解决方案。

提前感谢您提供的任何帮助！

编辑

我正在添加一个示例（不是我的代码，而是我希望实现的目标的表示）。

我想澄清在圆形补丁顶部添加patches.circle 的解决方案不是我的首选，因为我希望让我的绘画选项更加动态。

Answer 1

如果您可以将所需的颜色强度定义为二维函数，则可以使用 plt.imshow() 绘制该函数，然后将流图放在它上面。您只需要线性变换坐标以匹配图像坐标。

这是一个例子：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = [10, 10]

# plot 2d function
grid = np.arange(-1, 1, 0.001) 
x, y = np.meshgrid(grid, grid)
z = 1 - (x ** 2 + y ** 2) ** 0.5
plt.imshow(z, cmap='Blues')

# streamplot example from matplotlib docs (modified)
w = 3
Y, X = np.mgrid[-w:w:100j, -w:w:100j]
U = Y ** 2
V = X ** 2 

# transform according to previous plot
n = len(grid) / 2
scale = n / w 
X = (X + w) * scale
Y = (Y + w) * scale
U = (U + w) * scale
V = (V + w) * scale

plt.xticks(ticks=[0, n, 2*n], 
           labels=[-w, 0, w])
plt.yticks(ticks=[0, n, 2*n], 
           labels=[-w, 0, w])
plt.streamplot(X, Y, U, V);