scitex 2.4.3__py3-none-any.whl → 2.5.0__py3-none-any.whl

scitex/vis/tmp.txt

@@ -1,239 +0,0 @@
-ざっと構造レベルで見た限り、かなりきれいにまとまってます。
-「JSON ⇔ dataclass モデル ⇔ matplotlib (scitex.plt)」の三層がちゃんと分離されていて、将来の拡張もしやすそうです。
-
-20251121_105809-vis
-
-1. 全体の構成について
-
-scitex.vis パッケージ構造
-
-model/（Figure/Axes/Plot/Guide/Annotation + Style）
-
-backend/（parser, render, export）
-
-io/（project ディレクトリ構造との橋渡し）
-
-utils/（validate + journal テンプレート）
-
-__init__.py で
-
-FigureModel, AxesModel, PlotModel, GuideModel, AnnotationModel
-
-build_figure_from_json, export_figure 系
-
-get_template, list_templates, NATURE_SINGLE_COLUMN_MM など
-が top-level に綺麗にエクスポートされていて、
-import scitex as stx; stx.vis.xxx で使える API としては十分わかりやすいです。
-
-設計としては「論文図用の JSON DSL」として、もう “モジュールとして完成” しているレベルだと思います。
-
-2. backend 周りの確認ポイント
-2-1. validate_figure_json
-from ..utils import validate_json_structure, validate_axes_layout
-
-validate_json_structure(fig_json)
-fig_model = parse_figure_json(fig_json)
-fig_model.validate()
-validate_axes_layout(...)
-
-
-粗い JSON チェック → dataclass 化 → モデルの validate → レイアウト整合性
-というパイプラインになっていて、エントリポイントとしてとても良いです。
-
-io.load_figure_json(validate=True) からもこれを呼び出していて、
-「ファイル読み込み＝即 validation」になっているのも、SciTeX 全体の哲学と合っていると思います。
-
-2-2. render_figure / mm 制御
-
-width_mm, height_mm をインチに変換して stx.plt.subplots(...) に渡し、
-
-その上で nrows, ncols, dpi などを統一的に指定。
-
-ここはすでに「mm ベースの figure サイズ」は担保済みなので、
-後から left_mm などを stx.plt.subplots() の引数にマップするだけで、
-“完全 mm 制御” にアップグレードできます（TODO コメントも書いてあって良いです）。
-
-3. Axes / Plot / Guide / Annotation + Style
-
-backend.render から見える前提は：
-
-AxesModel に style: AxesStyle
-
-PlotModel に style: PlotStyle
-
-GuideModel に style: GuideStyle
-
-AnnotationModel に style: TextStyle
-
-があり、style.to_dict() で matplotlib に渡す kwargs を生成、という設計になっています。
-
-style = axes_model.style
-...
-if style.grid:
-    ax.grid(alpha=style.grid_alpha, ...)
-...
-if style.legend:
-    ax.legend(loc=style.legend_loc, ...)
-
-style_dict = plot_model.style.to_dict()
-...
-kwargs = {k: v for k, v in style_dict.items() if k in relevant_keys}
-
-kwargs = guide_model.style.to_dict()
-...
-kwargs = annotation_model.style.to_dict()
-
-3-1. モデル側で確認したいこと
-
-コード全体が長く、該当ファイルが途中でトランケートされているので推測も入りますが、
-最低限、次が守られているかだけ一度ローカルで確認しておくと安心です：
-
-各 Model に style フィールドが定義されていること
-
-AxesModel(style: AxesStyle = AxesStyle()) のような形
-
-PlotModel, GuideModel, AnnotationModel も同様
-
-.from_dict() が style を正しく復元していること
-
-例：
-
-@classmethod
-def from_dict(cls, data: Dict[str, Any]) -> "PlotModel":
-    style_data = data.pop("style", {})
-    obj = cls(**data)
-    obj.style = PlotStyle.from_dict(style_data)  # など
-    return obj
-
-
-こうしておかないと、JSON → Model の round-trip で style がただの dict のままになってしまいます。
-
-validate() が style に依存するフィールドにアクセスしていないこと
-
-たとえば旧実装では Annotation で self.ha, self.va を直接見ていましたが、
-これを style.ha, style.va に移しているなら、validate() も必ず style 経由に統一する必要があります。
-
-4. plot_type の網羅性（小さめの仕様ギャップ）
-
-PlotModel.validate() 側では、かなり多くの plot_type を許容しているはずです（line, scatter, bar, barh, hist, errorbar, fill_between, heatmap, imshow, contour, contourf, box, violin, step, stem など）。
-一方で render_plot() の本体は、現状だと line / scatter / errorbar / bar / barh / hist / fill_between / heatmap / imshow / contour / contourf までしか実装されていません。
-
-20251121_105809-vis
-
-結果として：
-
-plot_type="box" や "violin" を JSON では許容しているのに、
-
-実際に render_plot すると Unsupported plot type になります。
-
-提案
-
-どちらかに寄せる：
-
-(A) 先に実装する plot_type だけ validate() で許可する
-
-MVP の段階では line / scatter / bar / barh / hist / errorbar / heatmap / imshow / contour / contourf / fill_between に限定
-
-(B) box, violin, step, stem も最低限の実装を書く
-
-例えば：
-
-box: ax.boxplot(...)
-
-violin: ax.violinplot(...)
-
-step: ax.step(...)
-
-stem: ax.stem(...)
-
-MVP を急ぐなら (A) で一旦締めてしまって、
-Sigma UI 側のメニューからも「未実装タイプ」は隠すのが UX 的にも安全だと思います。
-
-5. I/O & プロジェクト構造
-
-io.load_figure_json_from_project / save_figure_json_to_project は
-
-project_dir/scitex/vis/figs/{figure_id}.json
-
-
-という構造で統一されていて、以前話していた project-dir/scitex/vis/figs にきちんと揃っています。
-
-20251121_105809-vis
-
-これは /vis/sigma/ フロントエンドとかなり綺麗につながる形になっていて、
-
-UI 側：Figure ツリーの編集 → JSON
-
-Django API：JSON を scitex.vis.io.save_figure_json_to_project(...) で保存
-
-解析/論文側：scitex.vis.backend.export_figure(...) or build_figure_from_json(...) で再利用
-
-というフローが素直に組めます。
-
-6. テストとしてやっておくといいこと
-
-ローカルで、次の 2〜3 個だけ回しておけば、かなり安心できると思います：
-
-最小構成 + line plot
-
-import scitex as stx
-import numpy as np
-
-fig_json = stx.vis.utils.get_template("nature_single", height_mm=100)
-fig_json["axes"] = [{
-    "row": 0,
-    "col": 0,
-    "xlabel": "X",
-    "ylabel": "Y",
-    "title": "Demo",
-    "plots": [{
-        "plot_type": "line",
-        "data": {
-            "x": list(range(10)),
-            "y": [i*i for i in range(10)],
-        },
-        # style はデフォルトに任せる or 最小限指定
-    }],
-    "annotations": [],
-    "guides": [],
-    # style は AxesStyle のデフォルト
-}]
-
-stx.vis.backend.validate_figure_json(fig_json)
-fig, axes = stx.vis.backend.build_figure_from_json(fig_json)
-stx.io.save(fig, "test.png", dpi=300)
-
-
-project round-trip
-
-stx.vis.io.save_figure_json_to_project("/tmp/proj", "fig-001", fig_json)
-loaded = stx.vis.io.load_figure_json_from_project("/tmp/proj", "fig-001")
-stx.vis.backend.validate_figure_json(loaded)
-
-
-存在しない plot_type でちゃんとエラーになるか
-
-plot_type="unknown" にして render_plot 実行 → ValueError になるか確認
-
-7. 結論
-
-モジュール構造・API 形状・mm ベース設計・project 連携まで含めて、
-「論文図用のバックエンド」としてかなり完成度が高いです。
-
-いま見えている主なタスクは：
-
-style dataclass と Model の整合性（style フィールドの from_dict/to_dict/validate）
-
-plot_type の実装範囲と validate() の整合性
-
-mm-based spacing を stx.plt.subplots にどう渡すか（これは TODO でも問題なし）
-
-ここまで出来ていれば、/vis/sigma/ からは
-
-JSON を組み立てて
-
-save_figure_json_to_project で保存し
-
-裏で export_figure を叩いて PNG を生成
-
-という「世界一まともな論文図パイプライン」の中核は、もう出来ていると言って良いと思います。