按x比例缩放matplotlib.pyplot.Axes.scatter标记大小

Question

按x比例缩放matplotlib.pyplot.Axes.scatter标记大小

17

我希望根据x/y轴上点的数量来调整matplotlib.pyplot.Axes.scatter图中markersize的大小。

import matplotlib.pyplot as plt
import numpy as np

vmin = 1
vmax = 11

x = np.random.randint(vmin, vmax, 5)
y = np.random.randint(vmin, vmax, 5)

fig, ax = plt.subplots()
for v in np.arange(vmin, vmax):
    ax.axvline(v - 0.5)
    ax.axvline(v + 0.5)
    ax.axhline(v - 0.5)
    ax.axhline(v + 0.5)

ax.set_xlim(vmin - 0.5, vmax + 0.5)
ax.set_ylim(vmin - 0.5, vmax + 0.5)
ax.scatter(x, y)

ax.set_aspect(1)
plt.show()

ax 总是使用相等的长宽比，两个轴具有相同的 lim 值。

当前运行上述代码会生成以下绘图...

...更改 vmax = 41 的值会生成以下绘图

这两个绘图中的 markersize 均保留默认值，即 markersize=6。

我的问题是，如何计算 markersize 的值，使得 marker 边缘能够与每个单元格的边缘相接触？（每个单元格最多只有一个数据点。）

- fsimkovic

好问题，但是提供的绘图应该是 vmax = 11。 :) - tdube

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- ImportanceOfBeingErnest · Accepted Answer

使用圆形

一个简单的选项是用半径为0.5的Circles替换散点图，使用PatchCollection实现。

circles = [plt.Circle((xi,yi), radius=0.5, linewidth=0) for xi,yi in zip(x,y)]
c = matplotlib.collections.PatchCollection(circles)
ax.add_collection(c)

使用数据单位的标记大小绘制散点图

如果需要绘制散点图，另一种选择是将标记大小更新为数据单位。

这里的简单解决方案是先绘制一次图形，然后获取坐标轴大小，并从中计算出标记大小（以点为单位）。

import matplotlib.pyplot as plt
import numpy as np

vmin = 1
vmax = 11

x = np.random.randint(vmin, vmax, 5)
y = np.random.randint(vmin, vmax, 5)

fig, ax = plt.subplots(dpi=141)
for v in np.arange(vmin, vmax):
    ax.axvline(v - 0.5)
    ax.axvline(v + 0.5)
    ax.axhline(v - 0.5)
    ax.axhline(v + 0.5)

ax.set_xlim(vmin - 0.5, vmax + 0.5)
ax.set_ylim(vmin - 0.5, vmax + 0.5)

ax.set_aspect(1)
fig.canvas.draw()
s = ((ax.get_window_extent().width  / (vmax-vmin+1.) * 72./fig.dpi) ** 2)

ax.scatter(x, y, s = s, linewidth=0)

plt.show()

关于如何使用散点的标记大小，可以参考这个答案。上述解决方案的缺点是将标记大小固定为绘图的大小和状态。如果坐标轴限制发生变化或绘图被缩放，散点图的大小会再次出现错误。

因此，下面的解决方案更加通用。这个解决方案有一些复杂，类似于使用数据单位绘制线条。

import matplotlib.pyplot as plt
import numpy as np

vmin = 1
vmax = 32

x = np.random.randint(vmin, vmax, 5)
y = np.random.randint(vmin, vmax, 5)

fig, ax = plt.subplots()
for v in np.arange(vmin, vmax):
    ax.axvline(v - 0.5)
    ax.axvline(v + 0.5)
    ax.axhline(v - 0.5)
    ax.axhline(v + 0.5)

ax.set_xlim(vmin - 0.5, vmax + 0.5)
ax.set_ylim(vmin - 0.5, vmax + 0.5)

class scatter():
    def __init__(self,x,y,ax,size=1,**kwargs):
        self.n = len(x)
        self.ax = ax
        self.ax.figure.canvas.draw()
        self.size_data=size
        self.size = size
        self.sc = ax.scatter(x,y,s=self.size,**kwargs)
        self._resize()
        self.cid = ax.figure.canvas.mpl_connect('draw_event', self._resize)

    def _resize(self,event=None):
        ppd=72./self.ax.figure.dpi
        trans = self.ax.transData.transform
        s =  ((trans((1,self.size_data))-trans((0,0)))*ppd)[1]
        if s != self.size:
            self.sc.set_sizes(s**2*np.ones(self.n))
            self.size = s
            self._redraw_later()
    
    def _redraw_later(self):
        self.timer = self.ax.figure.canvas.new_timer(interval=10)
        self.timer.single_shot = True
        self.timer.add_callback(lambda : self.ax.figure.canvas.draw_idle())
        self.timer.start()


sc = scatter(x,y,ax, linewidth=0)

ax.set_aspect(1)
plt.show()

由于这个问题，我更新了代码以使用计时器重新绘制画布。