Matplotlib 中 5 套核心坐标系统的原理与应用

注意：显示坐标不适合直接用于绘图，因为当用户缩放图像时，像素坐标会发生变化，导致图形元素位置错乱。通常仅用于获取布局信息。

2. Figure 坐标系统

单位：百分比 (fraction, 0-1)

该坐标系以整个 Figure 画布为基准。左下角为 (0, 0)，右上角为 (1, 1)。无论子图如何排列，Figure 坐标始终相对于整个画布。

应用场景

• 在画布空白处添加标题或水印。
• 跨多个子图进行统一标注。

代码示例

import matplotlib.pyplot as plt

fig, ax = plt.subplots(facecolor='skyblue')
ax.set_facecolor('orange')

# 使用 figure.transFigure 定位文本
plt.text(0.5, 0.95, 'Figure Center Top', 
         transform=fig.transFigure, 
         ha='center', va='top', fontsize=14, color='white')

# 绝对像素定位 (transform=None 等同于 display space)
plt.text(200, 300, 'Absolute Pixel', 
         transform=None, 
         ha='center', va='center', color='red')

plt.show()

3. 用户空间数据坐标系统 (Data Space)

单位：由数据决定 (整数或浮点数)

这是最常用的坐标系统，基于 xlim 和 ylim 定义的数据范围。默认情况下，绘图命令（如 plot, scatter）均使用此系统。

核心特性

• 自动更新界限：添加新数据时，Matplotlib 会自动调整坐标轴范围。
• 变换方式：通过 ax.transData 将数据坐标转换为显示坐标。

代码示例

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 0.005)
y = np.exp(-x / 2.) * np.sin(2 * np.pi * x)

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_xlim(0, 10)
ax.set_ylim(-1, 1)

# 显式指定 transData
ax.scatter([2], [0.5], color='red', transform=ax.transData)

plt.show()

4. 轴 (Axes) 坐标系统

单位：百分比 (fraction, 0-1)

该坐标系以当前的 Axes 子图为基准。左下角为 (0, 0)，右上角为 (1, 1)。即使数据范围变化，(0.5, 0.5) 始终位于子图中心。

应用场景

• 在子图内部固定位置添加标签、图例或注释。
• 确保标注不随数据缩放而移动。

代码示例

import random
import matplotlib.pyplot as plt

fig = plt.figure()
for i, label in enumerate(('A', 'B', 'C', 'D')):
    ax = fig.add_subplot(2, 2, i + 1)
    # 使用 transAxes 将文本固定在左上角
    ax.text(0.05, 0.95, label, 
            transform=ax.transAxes, 
            fontsize=16, fontweight='bold', 
            va='top', color='red')
    
    # 随机设置数据范围，观察文本位置是否变化
    ax.set_xlim([random.randint(0, 50), random.randint(50, 100)])
    ax.set_ylim([0, random.randint(10, 100)])
    ax.set_facecolor('yellowgreen')

plt.tight_layout()
plt.show()

5. 混合坐标系统 (Blended Transform)

单位：X 轴与 Y 轴单位可独立指定

允许在一个坐标轴上使用数据坐标，另一个轴上使用 Axes 或 Figure 坐标。这对于创建跨越特定数据范围但高度固定的区域非常有用。

常用方法

• ax.get_xaxis_transform(): X 为数据坐标，Y 为 Axes 坐标 (0-1)。
• ax.get_yaxis_transform(): X 为 Axes 坐标 (0-1)，Y 为数据坐标。
• matplotlib.transforms.blended_transform_factory: 自定义组合。

代码示例

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y)

# 在数据 x=5 处画一条垂直线，y 从 0 到 1 (Axes 坐标)
ax.axvline(5, color='red', linestyle='--', 
           transform=ax.get_xaxis_transform())

# 使用 blended_transform_factory 自定义
from matplotlib.transforms import blended_transform_factory
trans = blended_transform_factory(ax.transData, ax.transAxes)
ax.plot([0, 10], [0.5, 0.5], transform=trans, color='green', lw=3)

plt.show()

坐标系统对比总结

常见问题与最佳实践

1. 缩放后位置丢失：若希望标注随数据缩放而移动，请使用 transData；若希望标注固定在画布位置，请使用 transAxes 或 transFigure。
2. 坐标轴标签位置：ax.xaxis.set_label_coords() 默认使用 Axes 坐标，可通过 transform 参数修改。
3. 性能优化：避免在循环中频繁调用 transform 计算，建议预先计算关键坐标点。
4. 嵌套子图：在复杂布局中，务必明确每个元素所属的 Axes 对象，防止坐标基准混淆。

结语

掌握 Matplotlib 的坐标系统转换机制，能够显著提升图表的可定制性与专业性。在实际开发中，建议优先使用 transData 处理数据关系，使用 transAxes 处理布局关系，并在必要时结合 blended_transform 实现特殊效果。理解这些底层原理，有助于解决绝大多数绘图定位问题。