如果你想要一个只包含圆形外部点的散点图,请使用布尔索引从你的二维“meshgridded”数组中仅选择这些点:
import numpy as np
import matplotlib.pyplot as plt
N = 50
x_start, x_end = -2.0, 2.0
y_start, y_end = -1.0, 1.0
x = np.linspace(x_start, x_end, N)
y = np.linspace(y_start, y_end, N)
x0, y0, radius = 0.0, 0.0, 0.4
x, y = np.meshgrid(x, y)
r = np.sqrt((x - x0)**2 + (y - y0)**2)
outside = r > radius
fig, ax = plt.subplots()
ax.set(xlabel='X', ylabel='Y', aspect=1.0)
ax.scatter(x[outside], y[outside])
plt.show()
![enter image description here](https://istack.dev59.com/LoQx7.webp)
另一方面,如果您正在使用像imshow
这样需要2D输入的函数,那么您需要对内部的值进行掩码处理(如@JulienSpronck所述,尽管将它们设置为np.nan
或使用掩码数组而不是将它们设置为0会更好),或对图像设置剪辑路径。
但是,对于散点图,您不需要2D输入。
nD数组上的布尔索引将返回1D结果。例如:
In [9]: x = np.arange(100).reshape(10, 10)
In [10]: x
Out[10]:
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
[20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
[30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
[40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
[50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
[60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
[70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
[80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
In [11]: x[x > 75]
Out[11]:
array([76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92,
93, 94, 95, 96, 97, 98, 99])
因为scatter
只绘制点,它不关心它们如何连接,我们可以轻松使用布尔索引的1D结果。
另一方面,如果您想绘制图像,则需要一个2D网格。在这种情况下,您需要屏蔽值:
In [12]: np.ma.masked_where(x <= 75, x)
Out[12]:
masked_array(data =
[[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- 76 77 78 79]
[80 81 82 83 84 85 86 87 88 89]
[90 91 92 93 94 95 96 97 98 99]])
请注意,这种方法维护了输入的二维结构。
顺便说一下,如果这是一个浮点数数组,你可以很容易地将其值设置为
np.nan
而不是屏蔽它们。当使用
imshow
绘图时,两者的行为是相同的。在这种情况下,我使用了一个屏蔽数组,因为
x
是一个整数数组,不能包含 NaN。
X
和Y
仍然完整,所有网格点上的计算都可以执行,然后将掩码M
应用于结果。但是,如果您只想在圆外的点上执行计算,您可以简单地定义您需要的点,并重新分配X
和Y
以仅包含您需要的点。请参见我的答案编辑中的示例。 - Julien Spronck