如何使用matplotlib或pyqtgraph绘制如下图:
AB线是双向街道,绿色部分表示从A点到B点的方向,红色部分表示B到A,每个部分的宽度表示交通量。 宽度以点为单位测量,不会在不同的缩放级别或dpi设置下更改。
这只是一个例子,事实上我有很多街道。这种情节在许多交通软件中很常见。我尝试使用matplotlib的patheffect,但结果令人沮丧:
from matplotlib import pyplot as plt
import matplotlib.patheffects as path_effects
x=[0,1,2,3]
y=[1,0,0,-1]
ab_width=20
ba_width=30
fig, axes= plt.subplots(1,1)
center_line, = axes.plot(x,y,color='k',linewidth=2)
center_line.set_path_effects(
[path_effects.SimpleLineShadow(offset=(0, -ab_width/2),shadow_color='g', alpha=1, linewidth=ab_width),
path_effects.SimpleLineShadow(offset=(0, ba_width/2), shadow_color='r', alpha=1, linewidth=ba_width),
path_effects.SimpleLineShadow(offset=(0, -ab_width), shadow_color='k', alpha=1, linewidth=2),
path_effects.SimpleLineShadow(offset=(0, ba_width), shadow_color='k', alpha=1, linewidth=2),
path_effects.Normal()])
axes.set_xlim(-1,4)
axes.set_ylim(-1.5,1.5)
我想到的一个想法是将线的每个部分作为独立线,并在更改缩放级别时重新计算它的位置,但它太复杂和缓慢。
如果有任何简单的方法使用matplotlib或pyqtgraph绘制我想要的东西?任何建议将不胜感激!
答案 0 :(得分:4)
如果您可以拥有每条独立的线路,则可以使用fill_between
功能轻松完成此操作。
from matplotlib import pyplot as plt
import numpy as np
x=np.array([0,1,2,3])
y=np.array([1,0,0,-1])
y1width=-1
y2width=3
y1 = y + y1width
y2 = y + y2width
fig = plt.figure()
ax = fig.add_subplot(111)
plt.plot(x,y, 'k', x,y1, 'k',x,y2, 'k',linewidth=2)
ax.fill_between(x, y1, y, color='g')
ax.fill_between(x, y2, y, color='r')
plt.xlim(-1,4)
plt.ylim(-3,6)
plt.show()
在这里,我将中心线视为参考(因此为负y1width
),但可以采用不同的方式。结果是:
如果线条“复杂”,最终在某个点交叉,则必须使用关键字参数interpolate=True
来正确填充交叉区域。另一个可能对您的用例有用的有趣参数是where
,用于调整区域,例如where=y1 < 0
。有关详细信息,请查看documentation。
答案 1 :(得分:3)
解决问题的一种方法是使用填充多边形,一些线性代数和一些微积分。主要思想是沿着x
和y
坐标绘制一个多边形,并沿着移动的坐标绘制一个多边形,以关闭并填充多边形。
以下是代码:
from __future__ import division
import numpy
from matplotlib import pyplot, patches
def road(x, y, w, scale=0.005, **kwargs):
# Makes sure input coordinates are arrays.
x, y = numpy.asarray(x, dtype=float), numpy.asarray(y, dtype=float)
# Calculate derivative.
dx = x[2:] - x[:-2]
dy = y[2:] - y[:-2]
dy_dx = numpy.concatenate([
[(y[1] - y[0]) / (x[1] - x[0])],
dy / dx,
[(y[-1] - y[-2]) / (x[-1] - x[-2])]
])
# Offsets the input coordinates according to the local derivative.
offset = -dy_dx + 1j
offset = w * scale * offset / abs(offset)
y_offset = y + w * scale
#
AB = zip(
numpy.concatenate([x + offset.real, x[::-1]]),
numpy.concatenate([y + offset.imag, y[::-1]]),
)
p = patches.Polygon(AB, **kwargs)
# Returns polygon.
return p
if __name__ == '__main__':
# Some plot initializations
pyplot.close('all')
pyplot.ion()
# This is the list of coordinates of each point
x = [0, 1, 2, 3, 4]
y = [1, 0, 0, -1, 0]
# Creates figure and axes.
fig, ax = pyplot.subplots(1,1)
ax.axis('equal')
center_line, = ax.plot(x, y, color='k', linewidth=2)
AB = road(x, y, 20, color='g')
BA = road(x, y, -30, color='r')
ax.add_patch(AB)
ax.add_patch(BA)
计算如何偏移每个数据点的第一步是计算离散导数dy / dx
。我喜欢使用复杂的表示法来处理Python中的向量,即A = 1 - 1j
。这使得一些数学运算的生活变得更容易。
下一步是要记住导数给出曲线的切线,并使用复数表示法从线性代数得到切线的法线为n=-dy_dx + 1j
。
确定偏移坐标的最后一步是确保法向量具有单位大小n_norm = n / abs(n)
并乘以所需的多边形宽度。
现在我们拥有多边形中各点的所有坐标,其余的非常简单。使用patches.Polygon
并将其添加到图中。
此代码还允许您定义是否希望修补程序位于路径之上或之下。只需给出宽度的正值或负值。如果要根据缩放级别和/或分辨率更改多边形的宽度,请调整scale
参数。它还允许您自由地为补丁添加其他参数,例如填充图案,透明度等。