本文介绍使用 matplotlib 的 clip_path 机制，通过构造矩形裁剪路径（rectangle + pathpatch）精准隐藏绘图中特定 x 或 y 区域内的线条段，避免手动分段计算交点，实现专业、可复用的“区域擦除”效果。
本文介绍使用 matplotlib 的 clip_path 机制，通过构造矩形裁剪路径（rectangle + pathpatch）精准隐藏绘图中特定 x 或 y 区域内的线条段，避免手动分段计算交点，实现专业、可复用的“区域擦除”效果。
在科学绘图中，常需突出显示某区域（如阈值线右侧/上方），同时“隐藏”其他曲线在该区域的延伸部分——例如问题中所述：一条红色水平/斜线作为边界，要求蓝色与橙色曲线在该线右侧（或上方）不再显示。直接删减数据点不仅繁琐，且易因插值或坐标精度导致视觉断裂；而 Matplotlib 提供的 裁剪（clipping）机制 是更鲁棒、声明式的解决方案。
核心思路是：不修改原始数据，而是为每条待裁剪的线条设置一个“遮罩”路径（clip path），仅允许其在指定区域内渲染。最常用且直观的方式是使用 matplotlib.patches.Rectangle 构造矩形裁剪区，并将其转换为 PathPatch 后赋给线条的 set_clip_path() 方法。
以下是一个完整可运行示例，模拟“红色垂直线 x = 0.5 为界，擦除所有曲线在 x > 0.5 区域的部分”：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle, PathPatch
import matplotlib.patches as mpatches
# 生成示例数据
x = np.linspace(-1, 2, 200)
y1 = np.sin(2 * x) + 0.3 * x # 蓝线
y2 = np.cos(1.5 * x) - 0.2 * x # 橙线
fig, ax = plt.subplots(figsize=(8, 5))
# 绘制原始曲线（暂不裁剪）
line1 = ax.plot(x, y1, 'b-', linewidth=2, label='Curve A')[0]
line2 = ax.plot(x, y2, 'orange', linewidth=2, label='Curve B')[0]
# 绘制红色边界线（x = 0.5 的垂直线）
ax.axvline(x=0.5, color='red', linestyle='--', linewidth=2, label='Boundary (x=0.5)')
# ✅ 关键步骤：定义裁剪区域 —— 只保留 x ≤ 0.5 的部分
# 创建矩形：左下角 (-∞, -∞)，宽度 0.5 - xlim[0]，高度 ∞ → 实际用足够大数值替代
xlim = ax.get_xlim()
ylim = ax.get_ylim()
clip_rect = Rectangle(
(xlim[0], ylim[0]), # 左下角 x, y
0.5 - xlim[0], # 宽度：覆盖到边界线
ylim[1] - ylim[0], # 高度：覆盖全图纵轴
transform=ax.transAxes, # 注意：此处用 data 坐标系更稳妥（见下方说明）
facecolor='none',
edgecolor='none'
)
# 更推荐方式：使用 data 坐标系构造矩形（避免 transform 失配）
from matplotlib.path import Path
import matplotlib.patches as patches
# 构造 data 坐标下的裁剪矩形：x ∈ [xlim[0], 0.5], y ∈ [ylim[0], ylim[1]]
clip_path = patches.Rectangle(
(xlim[0], ylim[0]),
0.5 - xlim[0],
ylim[1] - ylim[0],
transform=ax.transData,
facecolor='none',
edgecolor='none'
)
ax.add_patch(clip_path) # 必须添加到 axes 才能被引用
# 对每条线应用裁剪
line1.set_clip_path(clip_path)
line2.set_clip_path(clip_path)
# 设置图形范围与标签
ax.set_xlim(-1, 2)
ax.set_ylim(-2, 2)
ax.legend()
ax.grid(True, alpha=0.3)
plt.title("Clipping Lines to Left of x = 0.5 using clip_path")
plt.show()? 关键注意事项：
- 坐标系一致性：clip_path 必须与线条使用相同坐标系（通常为 ax.transData）。若误用 ax.transAxes，裁剪框会随图表缩放错位。
- 裁剪区域方向：本例保留 x ≤ 0.5，若需保留 x ≥ 0.5，则矩形 x 坐标设为 0.5，宽度设为 xlim[1] - 0.5。
- 动态更新：若图形交互缩放（如使用 plt.ion() 或 GUI 后端），建议在重绘时重新获取 xlim/ylim 并重建 clip_path，或使用 CallbackRegistry 监听视图变化。
- 替代方案对比：
- ✅ clip_path：零数据修改、矢量保真、性能优、支持任意闭合路径（圆形、多边形等）；
- ❌ 数据截断：需显式查找交点、分段拼接，对非单调/多交点曲线极易出错；
- ⚠️ zorder + 白色矩形遮盖：破坏矢量导出质量，且无法真正“擦除”，仅视觉掩盖。
总结而言，set_clip_path() 是 Matplotlib 中实现“区域擦除”的标准、优雅且高效的方法。它将图形逻辑（画什么）与呈现逻辑（在哪画）解耦，大幅提升代码可维护性与视觉准确性。对于复杂边界（如斜线、曲线），可配合 Path 自定义裁剪路径，原理完全一致——只需确保路径闭合且坐标系匹配即可。
