蟒/ matplotlib - 寄生虫双轴缩放

Question

想要绘制的光谱，即，速度与强度，具有较低的x轴=速度，在上部双轴=频率

它们（多普勒式）之间的关系是其中f是所得频率，v是速度，c是光速，而f 0是在v = 0时的频率，即， v_lsr。

我试图通过看http://matplotlib.sourceforge.net/examples/axes_grid/parasite_simple2.html，它是由

pm_to_kms = 1./206265.*2300*3.085e18/3.15e7/1.e5 
aux_trans = matplotlib.transforms.Affine2D().scale(pm_to_kms, 1.) 
ax_pm = ax_kms.twin(aux_trans) 
ax_pm.set_viewlim_mode("transform") 

我的问题解决的问题是，我该如何更换我的频率功能pm_to_kms解决呢？

任何人都知道如何解决这个问题？

Answer 1

我结束了使用的解决方案是：

ax_hz = ax_kms.twiny() 
x_1, x_2 = ax_kms.get_xlim() 
# i want the frequency in GHz so, divide by 1e9 
ax_hz.set_xlim(calc_frequency(x_1,data.restfreq/1e9),calc_frequency(x_2,data.restfreq/1e9)) 

这完美的作品，以及更复杂的解决方案。

编辑：找到了一个非常奇特的答案。 EDIT2：根据@ U55

这基本上是定义我们自己的转换注释改变了变换呼叫/变换。由于AstroPy Units的优秀等价性，它变得更容易理解和更具说明性。

from matplotlib import transforms as mtransforms 
import astropy.constants as co 
import astropy.units as un 
import numpy as np 
import matplotlib.pyplot as plt 
plt.style.use('ggplot') 
from mpl_toolkits.axes_grid.parasite_axes import SubplotHost 


class Freq2WavelengthTransform(mtransforms.Transform): 
    input_dims = 1 
    output_dims = 1 
    is_separable = False 
    has_inverse = True 

    def __init__(self): 
     mtransforms.Transform.__init__(self) 

    def transform_non_affine(self, fr): 
     return (fr*un.GHz).to(un.mm, equivalencies=un.spectral()).value 

    def inverted(self): 
     return Wavelength2FreqTransform() 

class Wavelength2FreqTransform(Freq2WavelengthTransform): 
    input_dims = 1 
    output_dims = 1 
    is_separable = False 
    has_inverse = True 

    def __init__(self): 
     mtransforms.Transform.__init__(self) 

    def transform_non_affine(self, wl): 
     return (wl*un.mm).to(un.GHz, equivalencies=un.spectral()).value 

    def inverted(self): 
     return Freq2WavelengthTransform() 



aux_trans = mtransforms.BlendedGenericTransform(Wavelength2FreqTransform(), mtransforms.IdentityTransform()) 

fig = plt.figure(2) 

ax_GHz = SubplotHost(fig, 1,1,1) 
fig.add_subplot(ax_GHz) 
ax_GHz.set_xlabel("Frequency (GHz)") 


xvals = np.arange(199.9, 999.9, 0.1) 

# data, noise + Gaussian (spectral) lines 
data = np.random.randn(len(xvals))*0.01 + np.exp(-(xvals-300.)**2/100.)*0.5 + np.exp(-(xvals-600.)**2/400.)*0.5 

ax_mm = ax_GHz.twin(aux_trans) 
ax_mm.set_xlabel('Wavelength (mm)') 
ax_mm.set_viewlim_mode("transform") 
ax_mm.axis["right"].toggle(ticklabels=False) 

ax_GHz.plot(xvals, data) 
ax_GHz.set_xlim(200, 1000) 

plt.draw() 
plt.show() 

现在，这产生了预期的效果：

Answer 2

你的“线性函数”是一个“简单标度律”（带有偏移量）。只需用您的功能替换pm_to_kms定义。