等高线图标签与坐标轴重叠。

Question

我正在使用contour制作一些轮廓图，通过clabel进行标记。问题是轮廓标签往往会与坐标轴重叠：

(其他一些标签比较混乱，请忽略)。对于左边的图，10^-3和10是有问题的。在右边，10^3是唯一有问题的。这是生成其中一个图像的代码：

fig = plt.figure(figsize=(6,3))
ax = fig.add_subplot(121)
ax.set_xscale('log')
ax.set_yscale('log')
ax.set_xlabel(r'$T_e$ (eV)', fontsize=10)
ax.set_ylabel(r'$n_e$ (1/cm$^3$)', fontsize=10)
ax.set_xlim(0.1, 1e4)
ax.set_ylim(1e16, 1e28)
CS = ax.contour(X, Y, Z, V, colors='k')
ax.clabel(CS, inline=True, inline_spacing=3, rightside_up=True, colors='k', fontsize=8, fmt=fmt)

有没有办法让clabel在放置方面表现得更好一些？

- Alex Z

Answer 1

考虑到文档中的示例也存在相同的问题，这表明解决这个问题并不容易。看起来你需要接受自动标签，使用manual放置或者亲自动手解决。

为了达成妥协，我建议尝试以下两种方法。两种方法都是基于让matplotlib为你推荐标签位置，然后再处理那些距离轴线太近的标签。

较为简单且更为安全的方法是，直接去掉那些靠近边界的clabel，填充等高线线条。

# based on matplotlib.pyplot.clabel example:
import matplotlib
import numpy as np
import matplotlib.cm as cm
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

delta = 0.025
x = np.arange(-3.0, 3.0, delta)
y = np.arange(-2.0, 2.0, delta)
X, Y = np.meshgrid(x, y)
Z1 = mlab.bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = mlab.bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
# difference of Gaussians
Z = 10.0 * (Z2 - Z1)


plt.figure()
CS = plt.contour(X, Y, Z)
CLS = plt.clabel(CS, inline=1, fontsize=10)

# now CLS is a list of the labels, we have to find offending ones
thresh = 0.05  # ratio in x/y range in border to discard

# get limits if they're automatic
xmin,xmax,ymin,ymax = plt.axis()
Dx = xmax-xmin
Dy = ymax-ymin

# check which labels are near a border
keep_labels = []
for label in CLS:
    lx,ly = label.get_position()
    if xmin+thresh*Dx<lx<xmax-thresh*Dx and ymin+thresh*Dy<ly<ymax-thresh*Dy:
        # inlier, redraw it later
        keep_labels.append((lx,ly))

# delete the original lines, redraw manually the labels we want to keep
# this will leave unlabelled full contour lines instead of overlapping labels

for cline in CS.collections:
    cline.remove()
for label in CLS:
    label.remove()

CS = plt.contour(X, Y, Z)
CLS = plt.clabel(CS, inline=1, fontsize=10, manual=keep_labels)

缺点是有些标签显然会丢失，当然5%的阈值需要手动调整以适应您特定的应用程序。与原始结果相比（观察顶部），以上操作的结果如下：

我提到的另一个解决方案是，取出有问题的标签，查看它们各自的CS.collections数据的Path，并尝试找到更靠近图形内部的点。由于将每个轮廓线路径与其多个线段配对以对应CS.collections的单个元素并不容易，所以这可能并不值得花费所有的精力。特别是你可能会面对非常短的等高线，无法在其上放置标签，并且你还需要估算每个标签的大小。

---

考虑到您的情况下等高线相对简单，您也可以尝试查看每条等高线，并找到距离图形中心最近的点。因此，这里是为演示目的重构您的数据集：

# guesstimated dummy data
X,Y = np.meshgrid(np.logspace(-3,7,200),np.logspace(13,31,200))
Z = X/Y*10**21
Vrange = range(-3,5)
V = [10**k for k in Vrange]
fmt = {lev: '$10^{%d}$'%k for (k,lev) in zip(Vrange,V)}


fig = plt.figure(figsize=(3,3))
ax = fig.add_subplot(111)
ax.set_xscale('log')
ax.set_yscale('log')
ax.set_xlabel(r'$T_e$ (eV)', fontsize=10)
ax.set_ylabel(r'$n_e$ (1/cm$^3$)', fontsize=10)
ax.set_xlim(0.1, 1e4)
ax.set_ylim(1e16, 1e28)

CS = ax.contour(X, Y, Z, V, colors='k')
ax.clabel(CS, inline=True, inline_spacing=3, rightside_up=True, colors='k', fontsize=8, fmt=fmt)

通过明确使用您的两个轴都是对数轴，主要思想是将上述最后一次调用clabel替换为：

# get limits if they're automatic
xmin,xmax,ymin,ymax = plt.axis()
# work with logarithms for loglog scale
# middle of the figure:
logmid = (np.log10(xmin)+np.log10(xmax))/2, (np.log10(ymin)+np.log10(ymax))/2

label_pos = []
for line in CS.collections:
    for path in line.get_paths():
        logvert = np.log10(path.vertices)

        # find closest point
        logdist = np.linalg.norm(logvert-logmid, ord=2, axis=1)
        min_ind = np.argmin(logdist)
        label_pos.append(10**logvert[min_ind,:])

# draw labels, hope for the best
ax.clabel(CS, inline=True, inline_spacing=3, rightside_up=True, colors='k', fontsize=8, fmt=fmt, manual=label_pos)

结果（第二个）与原始值（第一个）相比：

I didn't make much of an effort to make the axes annotations pretty, so please ignore these details. You can see that the labels are indeed nicely gathered near the middle of the figure. Depending on your application, this might or might not be what you want.

作为最后的说明，标签没有放置在轴对角线上是因为X轴和Y轴的缩放不同。这可能会导致一些标签仍然超出轴范围。最可靠的解决方案是考虑[xmin，ymax] - [xmax，ymin]（对数）线，并找到该线与每个路径的交点。如果值得投入大量精力，那么你也可以完全手动地放置标签。

- Andras Deak -- Слава Україні

---

谢谢这个。我用它来防止瓦片地图服务（例如气压等高线）中的丑陋边缘截断。 - alphabetasoup