Блокнот Jupyter интерактивный зависший для многих фигур

Question

Я использую алгоритмы уменьшения размеров для меньшего подмножества данных MNIST, и я хочу проверить на рисунке, где находится каждое изображение. Это можно сделать, основываясь на ответе из этой темы StackOverflow: Изображение Python, отображаемое при наведении курсора на точку

Я хочу реализовать это с помощью ноутбука Jupyter, чтобы за один запуск я получил всецифры. Проблема в том, что мне нужно определить номер фигуры для функции наведения, чтобы это работало правильно. Я совсем не уверен, возможно ли это вообще. Я продемонстрирую свою проблему на следующем простом примере:

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.decomposition import PCA
from sklearn.manifold import MDS, Isomap
from matplotlib.offsetbox import OffsetImage, AnnotationBbox
import matplotlib as mpl
plt.rcParams['figure.figsize'] = (15, 10)
%matplotlib notebook

# Load MNIST data
data, Y = datasets.fetch_openml('mnist_784', version=1, return_X_y=True)
data, Y = np.array(data, 'int16'), np.array(Y, 'int')
data, Y = data[:100], Y[:100]

def transform_data(data):
    """
    This function makes dimensional rediction with PCA, MDS and ISOMAP and returns them in numpy list
    """
    data_pca = PCA(n_components=2).fit_transform(data)
    data_mds = MDS(n_jobs=-1).fit_transform(data)
    data_isomap = Isomap().fit_transform(data)
    transformed_datas = np.array([data_pca, data_mds, data_isomap])
    return transformed_datas

def hover(event):
    if line.contains(event)[0]:
        inds = line.contains(event)[1]['ind']
        ind = inds[0]
        w,h = fig.get_size_inches()*fig.dpi
        ws = (event.x > w/2.)*-1 + (event.x <= w/2.) 
        hs = (event.y > h/2.)*-1 + (event.y <= h/2.)
        ab.xybox = (xybox[0]*ws, xybox[1]*hs)
        ab.set_visible(True)
        ab.xy =(x_coords[ind], y_coords[ind])
        offset_image.set_data(arr[ind,:,:])
    else:
        ab.set_visible(False)
    fig.canvas.draw_idle()


transformed_datas = transform_data(data)
algorithms_text = ['PCA','MDS','ISOMAP']
colors = np.unique(Y, return_inverse=True)[1].tolist()
arr = np.reshape(data, (100,28,28))

for i in range(transformed_datas.shape[0]):
    fig, ax = plt.subplots(figsize=(10,6))
    x_coords = transformed_datas[i][:,0]
    y_coords = transformed_datas[i][:,1]
    line = plt.scatter(x_coords,y_coords, s=30, c=colors,  cmap='jet', edgecolor='k')

    offset_image = OffsetImage(arr[0,:,:], zoom=2, cmap=plt.cm.gray_r)
    xybox = (40, 40)
    ab = AnnotationBbox(offset_image, (0,0), xybox=xybox, xycoords='data', boxcoords='offset points',  pad=0.3,  arrowprops=dict(arrowstyle='->'))
    ax.add_artist(ab)
    ab.set_visible(False)

    plt.title('2D-visualization of MNIST data with {} algorithm'.format(algorithms_text[i]), fontsize=10)
    ax.set_yticklabels([])
    ax.set_xticklabels([])
    fig.canvas.mpl_connect('motion_notify_event', hover)
    plt.show()