Datashader:用手动RGB颜色绘制

Question

我希望使用python中的Datashader模块执行类似于pyplot.scatter的操作，独立地为每个点指定一个个体(x，y)，RGB\十六x值：

#what i'd like to do, but using Datashader:
import numpy as np
#make sample arrays
n = int(1e+8)
point_array = np.random.normal(0, 1, [n, 2])
color_array = np.random.randint(0, 256, [n, 3])/255  # RGB. I can
#convert between it and hex if needed

#the part I need - make an image similar to plt.scatter, using datashader instead:
import matplotlib.pyplot as plt
fig = plt.figure()
plot = fig.add_subplot(111)

fig.canvas.draw()

plot.scatter(point_array[:, 0], point_array[:, 1], c=color_array)
img = np.fromstring(fig.canvas.tostring_rgb(), dtype=np.uint8, sep='')
img = img.reshape(fig.canvas.get_width_height()[::-1] + (3,))

因此，img是一个RGB numpy数组(或者PIL数组，或者任何可以通过python保存为图像的东西)。

Things我试过

我看过datashader.Canvas.points以及它是如何处理三维熊猫数组的，我认为我可以使用它的color_key，只有红色、绿色和蓝色的值，在标签之间进行“线性插值”，但我并没有成功地让它真正发挥作用(我总是把熊猫方面的东西粘在一起，因为我通常只对所有的东西都使用numpy )。

Answer 1

我认为上面的代码可以简化为：

import numpy as np, pandas as pd, matplotlib.pyplot as plt
%matplotlib inline

np.random.seed(0)
n = int(1e+4)
p = np.random.normal(0, 1, [n, 2])
c = np.random.randint(0, 256, [n, 3])/255.0

plt.scatter(p[:,0], p[:,1], c=c);

​

​

如果datashader提供了一种使用RGB值的方便方法(尽管可以打开一个请求该值的问题！)，那就太好了，但是现在您可以计算每个点的平均R、G、B值：

import datashader as ds, datashader.transfer_functions as tf

df  = pd.DataFrame.from_dict(dict(x=p[:,0], y=p[:,1], r=c[:,0], g=c[:,1], b=c[:,2]))
cvs = ds.Canvas(plot_width=70, plot_height=40)
a   = cvs.points(df,'x','y', ds.summary(r=ds.mean('r'),g=ds.mean('g'),b=ds.mean('b')))

结果将是一个包含r、g、b通道的Xarray数据集，每个通道的标度为0到1.0。然后，您可以根据自己的喜好将这些通道组合成图像，例如使用HoloViews：

import holoviews as hv
hv.extension('bokeh')

hv.RGB(np.dstack([a.r.values, a.g.values, a.b.values])).options(width=450, invert_yaxis=True)

​

​

请注意，Datashader目前只支持无限小的点，而不像Matplotlib示例那样支持磁盘/填充的圆圈，这就是为什么我使用如此小的分辨率(使点可见以供比较)。扩展Datashader以呈现一个非零范围的形状是有用的，但它不在当前的路线图上。