Matplotlib：從二進制數據填充

Question

我有一個包含填充數據的二進制numpy數組，以及兩個定義數據邊界框的網格：

data = np.random.choice([0, 1], size=12).reshape((3, 4))
xGrid = np.linspace(1, 4, 4)
yGrid = np.linspace(0.1, 0.3, 3)

我想繪制一個特定的顏色，與特定α，在任何網格點的數據為1 ，並沒有當數據是0 。 兩個最接近的matplotlib函數是

• fill ，它需要（x，y）坐標，並且不能使用此數據
• imshow或matshow ，不幸的是，它們會在各處繪制一些顏色。 也就是說，無論data == 0 ，它還將繪制從顏色映射表中繪制的某些顏色。 現在，我可以隨意擺弄以使該顏色成為斧頭的背景色，但這太討厭了。

預期邊界框的行為如下： xGrid包含三個值，並且x維度上有三個數據點。 xGrid每個值表示每個數據點的中心點的位置，而yGrid類似。 然后，“填充數據點”對應於填充由中心坐標（ x, y ）定義的矩形。

實現此目標的最佳方法是什么？

Answer 1

了解到將使用網格交點作為中心點繪制填充區域后，我們有了

In [27]: import numpy as np 
    ...: import matplotlib.pyplot as plt 
    ...: np.random.seed(2018) 
    ...: data = np.random.choice([0, 1], size=12).reshape((3, 4)) 
    ...: xGrid = np.linspace(1, 4, 4) 
    ...: yGrid = np.linspace(0.1, 0.3, 3)                                                 

In [28]: print(data)                                                                      
[[0 0 0 1]
 [1 0 0 0]
 [1 1 1 1]]

In [29]: dx, dy = (xGrid[1]-xGrid[0])/2, (yGrid[1]-yGrid[0])/2                                    

In [30]: xli, yli = [], [] 
    ...: for y in yGrid: 
    ...:     for x in xGrid: # the x's in data are changing faster, so inner loop
    ...:         xli.append([x-dx, x+dx, x+dx, x-dx, x-dx]) 
    ...:         yli.append([y-dy, y-dy, y+dy, y+dy, y-dy]) 

In [31]: for xs, ys, Bool in zip(xli, yli, data.flatten()): 
    ...:     if Bool : plt.fill(xs, ys, color='red')
    ...: plt.gca().set_facecolor('yellow')                                      

執行上面的代碼給了我

值得一提的是， 僅繪制了填充的矩形，如用不同顏色填充繪圖區域的背景所示。

這里記錄了 plt.fill ，並且在第一個for循環中創建的列表只是plt.fill可能繪制的矩形角的x ， y坐標。

---

效率說明

如果必須繪制幾百個矩形，上面的簡單方法是可以的，如果進入數萬個矩形，我們可能想使用enumerate數據點，如果需要，則構造x ， y列表並繪制矩形快速運行，或者甚至為了提高性能，創建一個Rectangle補丁，將其放入PatchCollection並在完成data循環后使用ax.add_collection方法-Matplotlib文檔中提供了一個示例 ，可以很容易地適應范圍和另一個例子是我的新答案。

Answer 2

根據此示例 使用imshow（）來使用alpha 。

我正在使用@BM給定的set_ticks代碼

def make_rgb_transparent(rgb, bg_rgb, alpha):
    return [alpha * c1 + (1 - alpha) * c2
            for (c1, c2) in zip(rgb, bg_rgb)]

import matplotlib
from matplotlib import colors

alpha =1.0
white = np.ones((1,3))
rgb = colors.colorConverter.to_rgb('red')
rgb_new = make_rgb_transparent(rgb, (1, 1, 1), alpha)
red_white_map = colors.LinearSegmentedColormap.from_list('map_white', np.vstack((white, rgb_new)),2)

ax=plt.imshow(data,cmap=red_white_map)
ax.axes.set_xticks(np.arange(len(xGrid)))
ax.axes.set_xticklabels([str(a) for a in xGrid])
ax.axes.set_yticks(np.arange(len(yGrid)))
ax.axes.set_yticklabels([str(a) for a in yGrid])

Answer 3

您可以使用colormap參數管理顏色。 這是一個使用imshow的快速解決方案，可以完全控制所有參數，尤其是自定義顏色：

from pylab import imshow,show,cm
from matplotlib.colors import LinearSegmentedColormap
alpha=.7
cdict = {'blue': ((0.0, 0.0, 0.0), (1.0, 0.0, 0.0)),
 'green': ((0.0, 0.0, 0.0), (1.0, 0.0, 0.0)),
 'red': ((0.0, 0.0, 0.0), (1.0, alpha,alpha))} 
mycolors = LinearSegmentedColormap("my_colors",cdict,N=2)

ax=imshow(data,cmap=mycolors)
ax.axes.set_xticks(np.arange(len(xGrid)))
ax.axes.set_xticklabels([str(a) for a in xGrid])
ax.axes.set_yticks(np.arange(len(yGrid)))
ax.axes.set_yticklabels([str(a) for a in yGrid])
ax.axes.set_xbound(-.5,3.5)
ax.axes.set_ybound(-.5,2.5)
ax.axes.set_aspect(.2/3)

對於：

Answer 4

在另一個答案中，我提到可以使用Rectangle補丁和PatchCollection解決可能的效率問題，這是此方法的實現。 首先進行初始化，請注意Rectangle和PatchCollection

In [99]: import numpy as np 
    ...: import matplotlib.pyplot as plt 
    ...: from matplotlib.collections import PatchCollection 
    ...: from matplotlib.patches import Rectangle 
    ...:  
    ...: np.random.seed(2018) 
    ...: data = np.random.choice([0, 1], size=12).reshape((3, 4)) 
    ...: xGrid = np.linspace(1, 4, 4) 
    ...: yGrid = np.linspace(0.1, 0.3, 3) 
    ...: dx, dy = (xGrid[1]-xGrid[0])/2, (yGrid[1]-yGrid[0])/2 
    ...: print(data)                                                                             
[[0 0 0 1]
 [1 0 0 0]
 [1 1 1 1]]

接下來，我們構造PatchCollection ：我們需要一個臨時補丁列表，我們在data行和y坐標上以及在每一行的列和x坐標上循環，如果必須將Rectangle添加到補丁列表中最后我們實例化它

In [100]: patches = [] 
     ...: for y, row in zip(yGrid, data): 
     ...:     for x, col in zip(xGrid, row): 
     ...:         if col: patches.append(Rectangle((x-dx, y-dy), 2*dx, 2*dy)) 
     ...: pc = PatchCollection(patches) 

最后，繪制時，我們需要兩個軸的方法，因此需要plt.gca() ，我們使用路徑集合的方法修改矩形，將集合提交到ax ，最后我們顯式調用所需的autoscale_view方法具有正確的軸限制。

In [101]: ax = plt.gca() 
     ...: pc.set_facecolor('yellow') 
     ...: pc.set_edgecolor('black') 
     ...: ax.add_collection(pc) 
     ...: ax.autoscale_view()                                                                    

這就是結果