Znalazłem dwa sposoby, aby przejść na ten temat:
Pierwsza jest oparta na this answer. Zasadniczo określasz liczbę pikseli pomiędzy sąsiednimi punktami danych i używasz go do ustawienia rozmiaru znacznika. Rozmiar znacznika w scatter
podano jako obszar.
fig = plt.figure()
ax = fig.add_subplot(111, aspect='equal')
# initialize a plot to determine the distance between the data points in pixel:
x = [1, 2, 3, 4, 2, 3, 3]
y = [0, 0, 0, 0, 1, 1, 2]
s = 0.0
points = ax.scatter(x,y,s=s,marker='s')
ax.axis([min(x)-1., max(x)+1., min(y)-1., max(y)+1.])
# retrieve the pixel information:
xy_pixels = ax.transData.transform(np.vstack([x,y]).T)
xpix, ypix = xy_pixels.T
# In matplotlib, 0,0 is the lower left corner, whereas it's usually the upper
# right for most image software, so we'll flip the y-coords
width, height = fig.canvas.get_width_height()
ypix = height - ypix
# this assumes that your data-points are equally spaced
s1 = xpix[1]-xpix[0]
points = ax.scatter(x,y,s=s1**2.,marker='s',edgecolors='none')
ax.axis([min(x)-1., max(x)+1., min(y)-1., max(y)+1.])
fig.savefig('test.png', dpi=fig.dpi)
Wadą tego pierwszego podejścia jest to, że symbole zachodzą na siebie. Nie mogłem znaleźć wady w podejściu. Mógłbym ręcznego dostrojenia s1
do
s1 = xpix[1]-xpix[0] - 13.
dać lepsze rezultaty, ale nie mogłem określić logika 13.
.
Stąd drugie podejście oparte na this answer. Tutaj poszczególne kwadraty są rysowane na działce i odpowiednio dobrane. W pewnym sensie jest to wykres rozproszenia (pętla służy do skonstruowania figury), więc w zależności od zestawu danych może to chwilę potrwać.
Podejście to wykorzystuje patches
zamiast scatter
, więc należy pamiętać o
from matplotlib.patches import Rectangle
Ponownie, z tymi samymi danymi punktami:
x = [1, 2, 3, 4, 2, 3, 3]
y = [0, 0, 0, 0, 1, 1, 2]
z = ['b', 'g', 'r', 'c', 'm', 'y', 'k'] # in your case, this is data
dx = [x[1]-x[0]]*len(x) # assuming equally spaced data-points
# you can use the colormap like this in your case:
# cmap = plt.cm.hot
fig = plt.figure()
ax = fig.add_subplot(111, aspect='equal')
ax.axis([min(x)-1., max(x)+1., min(y)-1., max(y)+1.])
for x, y, c, h in zip(x, y, z, dx):
ax.add_artist(Rectangle(xy=(x-h/2., y-h/2.),
color=c, # or, in your case: color=cmap(c)
width=h, height=h)) # Gives a square of area h*h
fig.savefig('test.png')
Jeden komentarz na Rectangle
: The współrzędnych są dolny lewy róg, stąd x-h/2.
Takie podejście zapewnia połączone prostokąty. Jeśli przyjrzałem się dokładniej wynikom wyjściowym, nadal wydawały się pokrywać jeden piksel - znowu nie jestem pewien, czy można temu zaradzić.
Zamiast tego użyj 'plt.imshow' lub' plt.pcolor'! –
Wypełnij puste pozycje danych za pomocą 'np.nan' lub użyj zamaskowanej tablicy. W jaki sposób koszmar obsługuje złe wartości jest kontrolowany przez 'set_bad' – tacaswell
@ tcaswell, nie mam pustych danych – elyase