matplotlib：当值出现时绘制特殊符号

Question

使用matplotlib我想绘制一个延迟列表，以便：

在 X轴上我在列表中有延迟的位置
• 在 Y轴我有延迟本身

现在，在我的列表中有一个特殊值'L'，我希望它在X轴上作为红叉绘制。 p>

我最后怎么做？

Answer 1

有许多不同的方法可以做到这一点。

首先，让我们使您的数据成为一个numpy数组，以便我们可以使用布尔索引。这样可以更容易地从数据值中隔离“已标记”的"L"值。

理想情况下，您将事物转换为蒙版数组，其中“L”值被屏蔽（并且浮动到处，而不是混合数据类型）。但是为了简单起见，让我们在这里使用一个对象数组，以便混合字符串和浮点数。

import matplotlib.pyplot as plt
import numpy as np

delays = np.array([0.5, 2.3, 'L', 0.9, 'L', 2], dtype=object)
x = np.arange(delays.size)

fig, ax = plt.subplots()
ax.plot(x[delays != 'L'], delays[delays != 'L'], 'bo')

# Expand axis limits by 0.5 in all directions for easier viewing
limits = np.array(ax.axis())
ax.axis(limits + [-0.5, 0.5, -0.5, 0.5])

flag_positions = x[delays == 'L']
ax.plot(flag_positions, np.zeros_like(flag_positions), 'rx', 
        clip_on=False, mew=2)

plt.show()

然而，红色x位于固定的y位置，如果我们平移或缩放，它们将离开x轴。

您可以使用自定义转换解决此问题。在这种情况下，我们希望x坐标使用“正常”数据坐标（ax.transData）和y坐标来使用轴坐标系（例如0-1，其中0是底部，1是顶部：ax.transAxes）。为此，我们将使用BlendedGenericTransform，它使用两种不同的变换：一种用于x坐标，另一种用于y坐标。

因此，如果您希望红色x始终位于x轴上，而不管绘图是如何平移或缩放的，那么您可能会执行以下操作：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import BlendedGenericTransform

delays = np.array([0.5, 2.3, 'L', 0.9, 'L', 2], dtype=object)
x = np.arange(delays.size)

fig, ax = plt.subplots()
ax.plot(x[delays != 'L'], delays[delays != 'L'], 'bo')

flags = x[delays == 'L']
ax.plot(flags, np.zeros_like(flags), 'rx', clip_on=False, mew=2,
        transform=BlendedGenericTransform(ax.transData, ax.transAxes))

# Expand axis limits by 0.5 in all directions for easier viewing
limits = np.array(ax.axis())
ax.axis(limits + [-0.5, 0.5, -0.5, 0.5])

plt.show()

我们可以通过使用蒙版数组使事情变得更清晰（也可以查看pandas）。与使用具有混合字符串和浮点值的对象数组相比，使用掩码数组（或者，再次，pandas）是指示丢失数据的更好选项。举个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import BlendedGenericTransform

delays = [0.5, 2.3, 'L', 0.9, 'L', 2]
delays = [item if item != 'L' else np.nan for item in delays]
delays = np.ma.masked_invalid(delays)

fig, ax = plt.subplots()

ax.plot(delays, 'bo')

flags = delays.mask.nonzero()
ax.plot(flags, np.zeros_like(flags), 'rx', clip_on=False, mew=2,
        transform=BlendedGenericTransform(ax.transData, ax.transAxes))

# Expand axis limits by 0.5 in all directions for easier viewing
limits = np.array(ax.axis())
ax.axis(limits + [-0.5, 0.5, -0.5, 0.5])

plt.show()