我有许多自定义的2d点对象,每个对象具有:
来表示这个标记。
问题是,许多点将共享一个标号1°值,但在标号2°1中可能有所不同,反之亦然。
我试着提取与标号2°的值有关的点,并分别绘制它们,方法是:
pointsSubset1 = getPointsWithLabel2Value1()
pointsSubset2 = getPointsWithLabel2Value2()
pointsSubset3 = getPointsWithLabel2Value3()
# just assume x y and labels values are obtained correctly
plt.scatter(x1, y1, c=listOfLabels1ForSubset1, cmap="nipy_spectral", marker='s') # plotting pointsSubset1
plt.scatter(x2, y2, c=listOfLabels1ForSubset2, cmap="nipy_spectral", marker='.') # plotting pointsSubset2
plt.scatter(x3, y3, c=listOfLabels1ForSubset3, cmap="nipy_spectral", marker='<') # plotting pointsSubset3我以为这会有用,但它不能。标记是正确的,但颜色不是.
忽略x和y坐标的示例:
- point1:
- label1: -1
- label2: 1
- point2:
- label1: 1
- label2: 2
在这种情况下,来自subset1的subset1将有一个不同于来自subset2的point2的标记,但是两者都将共享相同的颜色(黑色),因为当两者分开绘制时,尽管它们有不同的label1值,它们都将被映射到光谱中的第一个颜色.
我希望cmap中的颜色索引在点子集之间匹配,并且我不认为传递自定义颜色数组是解决办法bc标签1可能的值在-1, +inf范围内。
提前谢谢。
发布于 2019-10-01 20:37:27
我想会到达你想要的地方
Npoints = 50
x,y = np.random.random(size=(2,Npoints))
label1 = np.random.choice([-1,1,2,3], size=(Npoints,))
label2 = np.random.choice([1,2,3],size=(Npoints,))
label1_min = min(label1)
label1_max = max(label1)
marker_dict = {1:'s',2:'o',3:'<'}
fig, ax = plt.subplots()
for i,m in marker_dict.items():
ax.scatter(x[label2==i], y[label2==i], marker=m, c=label1[label2==i], cmap='nipy_spectral', vmin=label1_min, vmax=label1_max)

发布于 2019-10-01 20:34:55
简易方式:
我将分享我的发现,以防有人在同一个问题上挣扎。结果是,您可以调用plt.scatter()一次,并为标记提供一个自定义大小数组。这样,您就可以根据给定的标准“播放”更改标记大小(在我的例子中是标签2值),在绘图时能够看到点数子集之间的差异。
会是这样的:
s = getMarkerCustomSizeForEachPoint()
# x is a list of every x coordinate
# y is a list of every y coordinate
# clusters is a list of every point label (label 1 value in my case)
# marker='s' -> squares
plt.scatter(x, y, c=clusters, cmap="nipy_spectral", marker='s', alpha=0.8, s=s)将标记大小设置为一个非常小的数字,就像有点一样,所以您可以使用方格和“点”,而只指定标记=‘s’:)
请记住,当构建不同的列表时,匹配的索引表示相同的点(在x、y、群集和s中)。

https://stackoverflow.com/questions/58190892
复制相似问题