当在xy图表上探索具有许多点的数据集时，我可以调整alpha和/或标记大小，以便给出点最密集聚集的位置的快速视觉印象。然而，当我放大或使窗口变大时，需要不同的alpha和/或标记尺寸来给出相同的视觉印象。
当我使窗口变大或放大数据时，如何增加alpha值和/或标记大小？我想如果我将窗口区域加倍，我可以将标记大小加倍，和/或取出alpha的平方根;与缩放相反。
请注意，所有点都具有相同的大小和alpha。理想情况下，解决方案可以使用plot（），但是如果它只能用scatter（）来完成，那么也会有用。
答案 0 :(得分：3)
您可以通过matplotlib事件处理实现您想要的效果。您必须分别捕捉缩放和调整事件大小。同时解决这两个问题有点棘手，但并非不可能。下面是两个子图的示例，左边是线图，右边是散点图。缩放（因子）和调整大小（fig_factor）都根据图形大小和x和y-限制中的缩放因子重新缩放点。由于定义了两个限制 - 一个用于x，一个用于y方向，因此我在这里使用了两个因子的相应最小值。如果您希望使用较大的因子进行缩放，请在两个事件函数中将min更改为max。
from matplotlib import pyplot as plt
import numpy as np
fig, axes = plt.subplots(nrows=1, ncols = 2)
ax1,ax2 = axes
fig_width = fig.get_figwidth()
fig_height = fig.get_figheight()
fig_factor = 1.0
##saving some values
xlim = dict()
ylim = dict()
lines = dict()
line_sizes = dict()
paths = dict()
point_sizes = dict()
## a line plot
x1 = np.linspace(0,np.pi,30)
y1 = np.sin(x1)
lines[ax1] = ax1.plot(x1, y1, 'ro', markersize = 3, alpha = 0.8)
xlim[ax1] = ax1.get_xlim()
ylim[ax1] = ax1.get_ylim()
line_sizes[ax1] = [line.get_markersize() for line in lines[ax1]]
## a scatter plot
x2 = np.random.normal(1,1,30)
y2 = np.random.normal(1,1,30)
paths[ax2] = ax2.scatter(x2,y2, c = 'b', s = 20, alpha = 0.6)
point_sizes[ax2] = paths[ax2].get_sizes()
xlim[ax2] = ax2.get_xlim()
ylim[ax2] = ax2.get_ylim()
def on_resize(event):
global fig_factor
w = fig.get_figwidth()
h = fig.get_figheight()
fig_factor = min(w/fig_width,h/fig_height)
for ax in axes:
lim_change(ax)
def lim_change(ax):
lx = ax.get_xlim()
ly = ax.get_ylim()
factor = min(
(xlim[ax][1]-xlim[ax][0])/(lx[1]-lx[0]),
(ylim[ax][1]-ylim[ax][0])/(ly[1]-ly[0])
)
try:
for line,size in zip(lines[ax],line_sizes[ax]):
line.set_markersize(size*factor*fig_factor)
except KeyError:
pass
try:
paths[ax].set_sizes([s*factor*fig_factor for s in point_sizes[ax]])
except KeyError:
pass
fig.canvas.mpl_connect('resize_event', on_resize)
for ax in axes:
ax.callbacks.connect('xlim_changed', lim_change)
ax.callbacks.connect('ylim_changed', lim_change)
plt.show()
该代码已在Pyton 2.7和3.6中使用matplotlib 2.1.1进行了测试。
修改
受以下评论和this answer的启发，我创建了另一个解决方案。这里的主要思想是仅使用一种类型的事件，即draw_event。起初，绘图在缩放时没有正确更新。在链接的答案中ax.draw_artist()后跟fig.canvas.draw_idle()之类的内容也没有真正解决问题（但是，这可能是平台/后端特定的）。相反，只要缩放更改（fig.canvas.draw()语句阻止无限循环），我就会额外调用if。
此外，请避免所有全局变量，我将所有内容都包装到一个名为MarkerUpdater的类中。每个Axes实例都可以单独注册到MarkerUpdater实例，因此您可以在一个图中有多个子图，其中一些是更新的，一些不是。我还修复了另一个错误，散点图中的点错误地缩放 - 它们应该缩放二次，而不是线性（see here）。
最后，正如之前的解决方案中缺少的那样，我还添加了标记的alpha值的更新。这不像标记大小那么直接，因为alpha值不能大于1.0。因此，在我的实现中，alpha值只能从原始值减少。在这里，我实现了它，以便在数字大小减小时alpha减少。请注意，如果没有为plot命令提供alpha值，则艺术家将None存储为alpha值。在这种情况下，自动alpha调整已关闭。
应使用Axes关键字定义哪些features应更新的内容 - 有关如何使用if __name__ == '__main__':的示例，请参阅下面的MarkerUpdater。
编辑2
正如@ImportanceOfBeingErnest所指出的那样，在使用TkAgg后端时，我的答案出现了无限递归问题，显然在缩放时图形无法正常刷新（我无法验证） ，所以可能是依赖于实现的）。删除fig.canvas.draw()并在ax.draw_artist(ax)个实例的循环中添加Axes，而不是修复此问题。
编辑3
我更新了代码以修复一个持续的问题，即draw_event上没有正确更新数字。修复是从这个答案中获得的，但修改后也适用于几个数字。
就如何获得因子的解释而言，MarkerUpdater实例包含dict，其为每个Axes实例存储图形尺寸和轴的极限。时间与add_ax一起添加。在draw_event（例如，在调整图形大小或用户放大数据时触发）时，将检索图形大小和轴限制的新（当前）值，并计算（并存储）缩放因子这样放大和增加图形尺寸使得标记更大。由于x和y维度可能会以不同的速率变化，因此我使用min选择两个计算因子中的一个，并始终根据图的原始大小进行缩放。
如果您希望使用不同的功能缩放alpha，则可以轻松更改调整Alpha值的线条。例如，如果你想要幂律而不是线性减少，你可以写path.set_alpha(alpha*facA**n)，其中n是幂。
from matplotlib import pyplot as plt
import numpy as np
##plt.switch_backend('TkAgg')
class MarkerUpdater:
def __init__(self):
##for storing information about Figures and Axes
self.figs = {}
##for storing timers
self.timer_dict = {}
def add_ax(self, ax, features=[]):
ax_dict = self.figs.setdefault(ax.figure,dict())
ax_dict[ax] = {
'xlim' : ax.get_xlim(),
'ylim' : ax.get_ylim(),
'figw' : ax.figure.get_figwidth(),
'figh' : ax.figure.get_figheight(),
'scale_s' : 1.0,
'scale_a' : 1.0,
'features' : [features] if isinstance(features,str) else features,
}
ax.figure.canvas.mpl_connect('draw_event', self.update_axes)
def update_axes(self, event):
for fig,axes in self.figs.items():
if fig is event.canvas.figure:
for ax, args in axes.items():
##make sure the figure is re-drawn
update = True
fw = fig.get_figwidth()
fh = fig.get_figheight()
fac1 = min(fw/args['figw'], fh/args['figh'])
xl = ax.get_xlim()
yl = ax.get_ylim()
fac2 = min(
abs(args['xlim'][1]-args['xlim'][0])/abs(xl[1]-xl[0]),
abs(args['ylim'][1]-args['ylim'][0])/abs(yl[1]-yl[0])
)
##factor for marker size
facS = (fac1*fac2)/args['scale_s']
##factor for alpha -- limited to values smaller 1.0
facA = min(1.0,fac1*fac2)/args['scale_a']
##updating the artists
if facS != 1.0:
for line in ax.lines:
if 'size' in args['features']:
line.set_markersize(line.get_markersize()*facS)
if 'alpha' in args['features']:
alpha = line.get_alpha()
if alpha is not None:
line.set_alpha(alpha*facA)
for path in ax.collections:
if 'size' in args['features']:
path.set_sizes([s*facS**2 for s in path.get_sizes()])
if 'alpha' in args['features']:
alpha = path.get_alpha()
if alpha is not None:
path.set_alpha(alpha*facA)
args['scale_s'] *= facS
args['scale_a'] *= facA
self._redraw_later(fig)
def _redraw_later(self, fig):
timer = fig.canvas.new_timer(interval=10)
timer.single_shot = True
timer.add_callback(lambda : fig.canvas.draw_idle())
timer.start()
##stopping previous timer
if fig in self.timer_dict:
self.timer_dict[fig].stop()
##storing a reference to prevent garbage collection
self.timer_dict[fig] = timer
if __name__ == '__main__':
my_updater = MarkerUpdater()
##setting up the figure
fig, axes = plt.subplots(nrows = 2, ncols =2)#, figsize=(1,1))
ax1,ax2,ax3,ax4 = axes.flatten()
## a line plot
x1 = np.linspace(0,np.pi,30)
y1 = np.sin(x1)
ax1.plot(x1, y1, 'ro', markersize = 10, alpha = 0.8)
ax3.plot(x1, y1, 'ro', markersize = 10, alpha = 1)
## a scatter plot
x2 = np.random.normal(1,1,30)
y2 = np.random.normal(1,1,30)
ax2.scatter(x2,y2, c = 'b', s = 100, alpha = 0.6)
## scatter and line plot
ax4.scatter(x2,y2, c = 'b', s = 100, alpha = 0.6)
ax4.plot([0,0.5,1],[0,0.5,1],'ro', markersize = 10) ##note: no alpha value!
##setting up the updater
my_updater.add_ax(ax1, ['size']) ##line plot, only marker size
my_updater.add_ax(ax2, ['size']) ##scatter plot, only marker size
my_updater.add_ax(ax3, ['alpha']) ##line plot, only alpha
my_updater.add_ax(ax4, ['size', 'alpha']) ##scatter plot, marker size and alpha
plt.show()