了解matplotlib顶点

Question

我正在尝试在matplotlib中为散点图创建自定义标记，其中标记是具有固定高度和不同宽度的矩形。每个标记的宽度是y值的函数。我使用this code作为模板尝试这样做，并假设如果顶点被赋予一个N 2-D元组的列表，它会绘制具有相应第一个值的宽度和第二个值的高度的矩形（也许这是已经错了，但那我怎么做到了？）。

我有一个x和y值列表，每个值包含以度为单位的角度。然后，我通过

计算每个标记的宽度和高度

field_size = 2.
symb_vec_x = [(field_size / np.cos(i * np.pi / 180.)) for i in y]
symb_vec_y = [field_size for i in range(len(y))]

并构建顶点列表并使用

绘制所有内容

symb_vec = list(zip(symb_vec_x, symb_vec_y))
fig = plt.figure(1, figsize=(14.40, 9.00))
ax = fig.add_subplot(1,1,1)
sc = ax.scatter(ra_i, dec_i, marker='None', verts=symb_vec)

但结果图是空的，但没有错误信息。任何人都可以告诉我在定义顶点时做错了什么以及如何正确操作？ 谢谢！

Answer 1

如上所述'marker ='无'需要删除，那么指定带顶点的矩形的适当方法就像

verts = list(zip([-10.,10.,10.,-10],[-5.,-5.,5.,5]))
ax.scatter([0.5,1.0],[1.0,2.0], marker=(verts,0))

顶点定义为([x1,x2,x3,x4],[y1,y2,y3,y4])，因此必须注意哪些得到减号等。

这个（verts，0）在文档中提到为

  

为了向后兼容，还接受表单（ verts ，0），   但它等同于 verts 用于给出一组原始顶点   定义形状。

但是我发现只使用verts并没有给出正确的形状。

要自动执行此过程，您需要执行类似

的操作

v_val=1.0
h_val=2.0
verts = list(zip([-h_val,h_val,h_val,-h_val],[-v_val,-v_val,v_val,v_val]))

基本示例：

import pylab as py
ax = py.subplot(111)
v_val=1.0
h_val=2.0
verts = list(zip([-h_val,h_val,h_val,-h_val],[-v_val,-v_val,v_val,v_val]))
ax.scatter([0.5,1.0],[1.0,2.0], marker=(verts,0))

*

修改的

个体标记

因此，您需要为每个案例手动创建一个顶点。这显然取决于您希望矩形如何逐点变化。这是一个例子

import pylab as py
ax = py.subplot(111)


def verts_function(x,y,r):
    # Define the vertex's multiplying the x value by a ratio
    x = x*r
    y = y
    return [(-x,-y),(x,-y),(x,y),(-x,y)]

n=5
for i in range(1,4):
    ax.scatter(i,i, marker=(verts_function(i,i,0.3),0))
    py.show()

所以在我的简单情况下，我绘制点i，i并在它们周围绘制矩形。指定vert标记的方式不直观。在the documentation中，它描述如下：

  

verts：用于路径顶点的（x，y）对列表。中心   标记位于（0,0）并且尺寸被标准化，使得   创建的路径封装在单元格内。

因此，以下内容是等效的：

vert = [(-300.0, -1000), (300.0, -1000), (300.0, 1000), (-300.0, 1000)]
vert = [(-0.3, -1), (0.3, -1), (0.3, 1), (-0.3, 1)]

例如，他们将生成相同的标记。因此我使用了比率，这是你需要做的工作。 r（比率）的值将改变哪个轴保持不变。

这一切都变得非常复杂，我确信必须有更好的方法来做到这一点。

Answer 2

我从matplotlib用户邮件列表的Ryan那里得到了解决方案。它非常优雅，所以我将在这里分享他的例子：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle
from matplotlib.collections import PatchCollection

n = 100

# Get your xy data points, which are the centers of the rectangles.
xy = np.random.rand(n,2)

# Set a fixed height
height = 0.02
# The variable widths of the rectangles
widths = np.random.rand(n)*0.1

# Get a color map and make some colors
cmap = plt.cm.hsv
colors = np.random.rand(n)*10.
# Make a normalized array of colors
colors_norm = colors/colors.max()
# Here's where you have to make a ScalarMappable with the colormap
mappable = plt.cm.ScalarMappable(cmap=cmap)
# Give it your non-normalized color data
mappable.set_array(colors)

rects = []
for p, w in zip(xy, widths):
    xpos = p[0] - w/2 # The x position will be half the width from the center
    ypos = p[1] - height/2 # same for the y position, but with height
    rect = Rectangle( (xpos, ypos), w, height ) # Create a rectangle
    rects.append(rect) # Add the rectangle patch to our list

# Create a collection from the rectangles
col = PatchCollection(rects)
# set the alpha for all rectangles
col.set_alpha(0.3)
# Set the colors using the colormap
col.set_facecolor( cmap(colors_norm) )
# No lines
col.set_linewidth( 0 )
#col.set_edgecolor( 'none' )

# Make a figure and add the collection to the axis.
fig = plt.figure()
ax = fig.add_subplot(111)
ax.add_collection(col)
# Add your ScalarMappable to a figure colorbar
fig.colorbar(mappable)
plt.show()

谢谢你，Ryan以及所有贡献他们想法的人！