缩放 matplotlib 中的插图，无需重新绘制数据

我正在处理一些 matplotlib 图，需要有一个缩放的插图。这是可能的zoomed_inset_axes来自axes_grid1工具包。参见示例here:

import matplotlib.pyplot as plt

from mpl_toolkits.axes_grid1.inset_locator import zoomed_inset_axes
from mpl_toolkits.axes_grid1.inset_locator import mark_inset

import numpy as np

def get_demo_image():
    from matplotlib.cbook import get_sample_data
    import numpy as np
    f = get_sample_data("axes_grid/bivariate_normal.npy", asfileobj=False)
    z = np.load(f)
    # z is a numpy array of 15x15
    return z, (-3,4,-4,3)

fig, ax = plt.subplots(figsize=[5,4])

# prepare the demo image
Z, extent = get_demo_image()
Z2 = np.zeros([150, 150], dtype="d")
ny, nx = Z.shape
Z2[30:30+ny, 30:30+nx] = Z

# extent = [-3, 4, -4, 3]
ax.imshow(Z2, extent=extent, interpolation="nearest",
          origin="lower")

axins = zoomed_inset_axes(ax, 6, loc=1) # zoom = 6
axins.imshow(Z2, extent=extent, interpolation="nearest",
             origin="lower")

# sub region of the original image
x1, x2, y1, y2 = -1.5, -0.9, -2.5, -1.9
axins.set_xlim(x1, x2)
axins.set_ylim(y1, y2)

plt.xticks(visible=False)
plt.yticks(visible=False)

# draw a bbox of the region of the inset axes in the parent axes and
# connecting lines between the bbox and the inset axes area
mark_inset(ax, axins, loc1=2, loc2=4, fc="none", ec="0.5")

plt.draw()
plt.show()

这将给出所需的结果：

http://matplotlib.org/1.3.1/_images/inset_locator_demo21.png

但正如您在代码中看到的，数据必须绘制两次 - 一次用于主轴（ax.imshow...) 一次用于插入轴 (axins.imshow...).

我的问题是：

有没有办法添加缩放插图after主线剧情已经完成，without需要在新轴上再次绘制所有内容吗？

请注意：我并不是在寻找用函数包装绘图调用并让函数绘图的解决方案ax and axins（参见下面的示例），但是（如果存在）使用现有数据的本机解决方案ax。有人知道这样的解决方案是否存在吗？

这是包装解决方案：

def plot_with_zoom(*args, **kwargs):
    ax.imshow(*args, **kwargs)
    axins.imshow(*args, **kwargs)

它有效，但感觉有点像黑客，因为如果我只想放大现有绘图的某个区域，为什么我需要再次绘制所有数据。

ed-smith 回答后的一些补充说明：

上面的例子当然只是最小的例子。图中可能有许多不同的数据集（并且数据集我的意思是通过绘制的东西imshow or plotETC）。例如，想象一个包含 10 个点数组的散点图，所有点均与常见的 x 进行比较。

正如我上面所写，最直接的方法就是使用一个包装器来绘制所有实例中的数据。但我正在寻找一种从最终开始的方法（如果存在）ax对象（而不是单个绘图命令）并以某种方式创建缩放插图。

我认为以下内容可以满足您的要求。请注意，您使用返回的第一个句柄imshow并将其添加到刀片的轴上。您需要制作一份副本，以便每个图形都有一个单独的句柄，

import matplotlib.pyplot as plt

from mpl_toolkits.axes_grid1.inset_locator import zoomed_inset_axes
from mpl_toolkits.axes_grid1.inset_locator import mark_inset

import numpy as np
import copy

def get_demo_image():
    from matplotlib.cbook import get_sample_data
    import numpy as np
    f = get_sample_data("axes_grid/bivariate_normal.npy", asfileobj=False)
    z = np.load(f)
    # z is a numpy array of 15x15
    return z, (-3,4,-4,3)

fig, ax = plt.subplots(figsize=[5,4])

# prepare the demo image
Z, extent = get_demo_image()
Z2 = np.zeros([150, 150], dtype="d")
ny, nx = Z.shape
Z2[30:30+ny, 30:30+nx] = Z

# extent = [-3, 4, -4, 3]
im = ax.imshow(Z2, extent=extent, interpolation="nearest",
          origin="lower")

#Without copy, image is shown in insert only
imcopy = copy.copy(im)
axins = zoomed_inset_axes(ax, 6, loc=1) # zoom = 6
axins.add_artist(imcopy)

# sub region of the original image
x1, x2, y1, y2 = -1.5, -0.9, -2.5, -1.9
axins.set_xlim(x1, x2)
axins.set_ylim(y1, y2)

plt.xticks(visible=False)
plt.yticks(visible=False)

# draw a bbox of the region of the inset axes in the parent axes and
# connecting lines between the bbox and the inset axes area
mark_inset(ax, axins, loc1=2, loc2=4, fc="none", ec="0.5")

plt.draw()
plt.show()

对于你的包装函数，这将是这样的，

def plot_with_zoom(*args, **kwargs):
    im = ax.imshow(*args, **kwargs)
    imcopy = copy.copy(im)
    axins.add_artist(imcopy)

然而，作为imshow只显示数组中存储的数据Z作为一个图像，我认为这个解决方案实际上会比两次单独的调用慢imshow。对于需要更多时间的绘图，例如Acontour情节或pcolormesh，这种方法可能是明智的......

EDIT:

超越单一imshow，以及不同类型的多个图。绘图函数都返回不同的句柄（例如，plot 返回线列表，imshow 返回 matplotlib.image.AxesImage 等）。您可以在绘制（或使用收藏如果它们足够相似）。然后，您可以编写一个通用函数，使用来自缩放轴的 add_artist 或 add_patch 方法将它们添加到轴，可能使用 if 类型检查来处理图中使用的各种类型。更简单的方法可能是循环ax.get_children()并重用任何不是轴本身元素的东西。

另一种选择可能是研究位块传送技术，光栅化或用于加速动画的其他技术，例如使用fig.canvas.copy_from_bbox or fig.canvas.tostring_rgb将整个图形复制为图像（请参阅为什么用 Matplotlib 绘图这么慢？‌​低）。您还可以绘制图形，将其保存为非矢量图形（使用savefig或 StringIObuffer），读回并绘制放大版本。