绘制没有填充,颜色和放大的圆圈。大小取决于使用散点

时间:2017-11-29 23:08:43

标签: python matplotlib scatter-plot colorbar

我必须在图上显示的信息是2个坐标:size&颜色(没有填充)。颜色很重要,因为我需要一种颜色图表类型的图表来根据颜色值显示信息。

我尝试了两种不同的方法:

  1. 创建特定圈子并添加各个圈子。

    circle1 = plt.Circle(x, y, size, color='black', fill=False)
            ax.add_artist(circle1)
    
  2. 这种方法的问题是我找不到根据颜色值设置颜色的方法。即,对于0-1的值范围,我希望0为完全蓝色而1为完全红色,因此其间为紫色的不同色调,其红色/蓝色取决于颜色值的高/低。

    1. 之后我尝试使用分散功能:

      size.append(float(Info[i][8]))
      plt.scatter(x, y, c=color, cmap='jet', s=size, facecolors='none')
      
    2. 这种方法的问题是大小似乎没有变化,这可能是我创建数组大小的原因。因此,如果我用大数字替换大小,则图表显示为圆圈。 facecolours = 'none'仅用于绘制周长。

2 个答案:

答案 0 :(得分:5)

我相信这两种方法都可以实现您的目标。首先绘制未填充的圆圈,然后使用相同的点绘制散点图。对于散点图,请将大小设为0,但使用它来设置颜色条。

考虑以下示例:

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

%matplotlib inline

# generate some random data
npoints = 5
x = np.random.randn(npoints)
y = np.random.randn(npoints)

# make the size proportional to the distance from the origin
s = [0.1*np.linalg.norm([a, b]) for a, b in zip(x, y)]
s = [a / max(s) for a in s]  # scale

# set color based on size
c = s
colors = [cm.jet(color) for color in c]  # gets the RGBA values from a float

# create a new figure
plt.figure()
ax = plt.gca()
for a, b, color, size in zip(x, y, colors, s):
    # plot circles using the RGBA colors
    circle = plt.Circle((a, b), size, color=color, fill=False)
    ax.add_artist(circle)

# you may need to adjust the lims based on your data
minxy = 1.5*min(min(x), min(y))
maxxy = 1.5*max(max(x), max(y))
plt.xlim([minxy, maxxy])
plt.ylim([minxy, maxxy])
ax.set_aspect(1.0)  # make aspect ratio square

# plot the scatter plot
plt.scatter(x,y,s=0, c=c, cmap='jet', facecolors='none')
plt.grid()
plt.colorbar()  # this works because of the scatter
plt.show()

我的一次跑步的示例情节:

Example plot output

答案 1 :(得分:1)

@Raket Makhim写道:

"I'm only getting one colour"

&@pault回答:

"Try scaling your colors to the range 0 to 1." 

我已经实现了

enter image description here

(但是,颜色栏的最小值当前为1;我希望能够将其设置为0。我会问一个新问题)

import pandas            as pd
import matplotlib.pyplot as plt
import matplotlib.cm     as cm
from sklearn import preprocessing

df = pd.DataFrame({'A':[1,2,1,2,3,4,2,1,4], 
                   'B':[3,1,5,1,2,4,5,2,3], 
                   'C':[4,2,4,1,3,3,4,2,1]})

# set the Colour
x              = df.values
min_max_scaler = preprocessing.MinMaxScaler()
x_scaled       = min_max_scaler.fit_transform(x)
df_S           = pd.DataFrame(x_scaled)
c1             = df['C']
c2             = df_S[2]
colors         = [cm.jet(color) for color in c2]

# Graph
plt.figure()
ax = plt.gca()
for a, b, color in zip(df['A'], df['B'], colors):
    circle = plt.Circle((a, 
                         b), 
                         1, # Size
                         color=color, 
                         lw=5, 
                         fill=False)
    ax.add_artist(circle)

plt.xlim([0,5])
plt.ylim([0,5])
plt.xlabel('A')
plt.ylabel('B')
ax.set_aspect(1.0)

sc = plt.scatter(df['A'], 
                 df['B'], 
                 s=0, 
                 c=c1, 
                 cmap='jet', 
                 facecolors='none')
plt.grid()

cbar = plt.colorbar(sc)
cbar.set_label('C', rotation=270, labelpad=10)

plt.show()