matplotlib绘图（不是散射）基于额外变量的颜色

Question

美好的一天，

我试图绘制两个数组（timesin和locations）作为点的分散。但是，因为timesin是一个日期时间对象（我只想要时间），我发现我只能使用pyplot.plot()而不是pyplot.scatter()正确绘制它。当我想用第三个变量idx为这个图上的点着色时，问题就出现了。我知道pyplot.scatter()能够执行此操作quite easily，但我不知道如何使用pyplot.plot()执行此操作。

我的代码摘录：

import os
import tempfile
from datetime import datetime
import numpy as np
os.environ['MPLCONFIGDIR'] = tempfile.mkdtemp()

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
from matplotlib.backends.backend_pdf import PdfPages

pp = PdfPages('output.pdf')
names = ['WestHall', 'Elevator', 'EastHall', 'MathLounge']
locations = np.arange(4)+1
plt.scatter(timesin, locations, c=idx, marker="o")
plt.xlabel("Time of day")
plt.ylabel("Location")
plt.yticks(np.arange(4)+1, names)
plt.gcf().autofmt_xdate()
pp.savefig()
plt.close()
pp.close()

当我尝试这个时，我收到一个错误，因为它试图将idx解释为rgba：

ValueError: to_rgba: Invalid rgba arg "[...]"
number in rbg sequence outside 0-1 range

如何在不使用idx的情况下将pyplot.scatter()解释为条件着色？

由于

更新

正如Hun所建议的那样，我实际上可以通过使用matplotlibs日期库将datetime对象转换为数字来在此上下文中使用pyplot.scatter()。因此，找出如何使用pyplot.plot()进行条件着色是不必要的。

Answer 1

如果使用plt.scatter（）会更容易。但是你需要将日期时间转换为scatter（）可以理解的东西。有办法做到这一点。

>>> dt # datetime numpy array
array(['2005-02-01', '2005-02-02', '2005-02-03', '2005-02-04'], dtype='datetime64[D]')

>>> dt.tolist() # need to be converted to list
[datetime.date(2005, 2, 1), datetime.date(2005, 2, 2), datetime.date(2005, 2, 3), datetime.date(2005, 2, 4)]

# convert the list to internal time information for matplotlib. But this is float.
>>> dt1 = matplotlib.dates.date2num(dt.tolist())
array([ 731978.,  731979.,  731980.,  731981.])

使用此dt1，您可以使用plt.scatter（）

Answer 2

我认为不可能使用matplotlib.pyplot.plot立即执行此操作。但是，这是我的解决方案：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm

def scatterplot(x,y,prop):
    prop = cm.jet((prop-np.min(prop))/(np.max(prop)-np.min(prop)))
    ax = plt.gca()
    for i in xrange(len(x)):
        ax.plot(x[i],y[i],color=prop[i], marker='o')
    return

x = np.random.rand(100)
y = np.random.rand(100)
prop = -20+40*np.random.rand(100)

fig = plt.figure(1,figsize=(5,5))
ax  = fig.add_subplot(111)
scatterplot(x,y,prop)
plt.show()

产生：

这种方法的唯一缺点是，如果你有几个粒子，那么遍历所有粒子的过程可能会相对较慢。

编辑（回应@Nathan Goedeke的评论：

我尝试了相同的实现，但使用了datetime对象：

import numpy as np
import matplotlib.pyplot as plt
import datetime as dt

x = np.array([dt.datetime(2016, 10, 19, 10, 0, 0),
              dt.datetime(2016, 10, 19, 10, 0, 1),
              dt.datetime(2016, 10, 19, 10, 0, 2),
              dt.datetime(2016, 10, 19, 10, 0, 3)])

fig = plt.figure()
y = np.array([1, 3, 4, 2])
prop = np.array([2.,5.,3.,1.])
scatterplot(x,y,prop)
plt.show()

也可以。