matplotlib 散点图和注释函数annotate

Posted 2023-04-12

参考技术A """

心形函数：17*x^2 - 16*|x|*y + 17*y^2 = 225  :外心

"""

import numpy as np

import matplotlib.pyplot as plt

X=np.arange(-5.0,5.0,0.1)

Y=np.arange(-5.0,5.0,0.1)

x,y=np.meshgrid(X,Y)

f=17*x**2-16*np.abs(x)*y+17*y**2-225

"""

'8*x^2 - 9*|x|*y + 8*y^2 = 17': 内心

"""

A = np.arange(-2.5, 2.5, 0.05)

B = np.arange(-2.5, 2.5, 0.05)

i,j = np.meshgrid(A,B)

f = 8 * i ** 2 - 9 * np.abs(i) * j + 8 * j ** 2 - 17

#绘制画布

fig,ax=plt.subplots()

#大心,绘制登高线的函数contour

plt.contour(x,y,f,0,colors='r')

#小心，绘制登高线的函数contour

plt.contour(i,j,f,0,colors='r')

plt.title('My wife I love you')#图标题

plt.xlabel('I Love You 521')#x轴标签

plt.ylabel('I Love You 1314')#y轴标签

#注释标注YoYO

plt.annotate("YoYo",xy=(0,1.6),xytext=(-0.3,0.25),

arrowprops=dict(arrowstyle="->",facecolor='black'))

#注释标注CoCo

plt.annotate("CoCo",xy=(0,2.8),xytext=(-0.4,4),

arrowprops=dict(arrowstyle="->",facecolor='black'))

#斜线

lx=[-4,-2,0,2,4]

ly=[-4,-2,0,2,4]

plt.plot(lx,ly,"--",c="black")

#斜线的箭头

plt.annotate("",xy=(4,4),xytext=(3.9,3.9),

arrowprops=dict(arrowstyle="->",facecolor='black'))

#ax.set_xticks([])#隐藏x轴

#ax.set_yticks([])#隐藏y轴

plt.grid() #网格

plt.show()

matplotlib：通过用于为散点图着色的对数颜色条值对 2D 线进行着色

【中文标题】matplotlib：通过用于为散点图着色的对数颜色条值对 2D 线进行着色

【英文标题】：matplotlib: Color 2D line by logarithmic colorbar value used to color scatterplot

【发布时间】：2015-07-09 16:02:31

【问题描述】：

我需要为一条线着色，该线连接由第三个变量着色的散点图（第三个变量对于所有散点点都是相同的；最后我将有多个散点图和不同的第三个变量）。我需要线条的颜色来匹配散点，并且颜色条需要进行对数缩放。我无法提取用于为散点着色的 RGBA 对数归一化值，以便按该值对线进行着色。示例如下：

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

color = plt.get_cmap('Blues')

#Fake data
a = np.arange(0,10,1)
b = np.arange(10,20,1)
d = [100]*10

maxval=1000.0
minval=10.0

#Normalize array to limits of colorbar
l=d[1]
normalized= (l/(maxval-minval))

#Check if Nan (I have some NaN's).
#Returns the colormap value
check = np.isnan(np.sum(normalized))
cmapvalue=[]
if check==True:
    cmapvalue=g
else:
    cmapvalue=color(normalized)

#Plot scatter and line, line needs to be colored by RGBA value used to color scatter points
plt.scatter(a, b, c=d, cmap=color, norm=mpl.colors.LogNorm(vmax=maxval,       vmin=minval), zorder=2, s=50)
plt.plot(a,b, c=cmapvalue, zorder=1, lw=4)

plt.colorbar()
plt.show()

任何帮助将不胜感激

【问题讨论】：

能否请您也提供d？或者提供合适的替代品？

已更新...道歉

【参考方案1】：

所以问题是您线性地（手动）缩放您的值。但是在 scatter 调用中，您传递了一个对数缩放类。您可以直接使用它来规范化调用 plot 的值，而不仅仅是传递它：

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

#Fake data
a = np.arange(0,10,1)
b = np.arange(10,20,1)
d = [50]*10

# define vmin and vmax
maxval=1000.0
minval=10.0

# build up colormap and normalizer
colormap = plt.get_cmap('Blues')
norm = mpl.colors.LogNorm(vmax=maxval, vmin=minval)

# helper function to plot the line and the scatter data
def plot_my_scatterdata(x, y, d):
    if np.any(np.isnan(d)):
        color = 'g'
    else:
        # use the colormap and the normalization instance!
        color = colormap(norm(d[0]))

    plt.scatter(a, b, c=d, cmap=colormap, norm=norm, zorder=2, s=50)
    plt.plot(a,b, '-', color=color, zorder=1, lw=4)

plot_my_scatterdata(a, b, d)
d = [100]*10
b += 1
plot_my_scatterdata(a, b, d)
d = [500]*10
b += 1
plot_my_scatterdata(a, b, d)
d[0] = np.nan
b += 1
plot_my_scatterdata(a, b, d)

plt.colorbar()
plt.show()

结果：