使用matplotlib更新散点图中的标记样式

Question

我正在做一个互动绘图的应用，用户可以从一个matplotlib散点图中选择数据点。为了让用户更清楚，我希望在点击某个点（或者通过其他方式选择时）能够改变这个点的颜色和形状。

因为matplotlib.collections.PathCollection这个类有一个set_facecolors的方法，所以改变点的颜色相对简单。不过，我找不到类似的方法来更新点的形状。

有没有办法做到这一点呢？

下面是这个问题的一个简单示例：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.normal(0,1.0,100)
y = np.random.normal(0,1.0,100)

scatter_plot = plt.scatter(x, y, facecolor="b", marker="o")

#update the colour 
new_facecolors = ["r","g"]*50
scatter_plot.set_facecolors(new_facecolors)

#update the marker? 
#new_marker = ["o","s"]*50
#scatter_plot.???(new_marker)  #<--how do I access the marker shapes?  

plt.show()

有什么想法吗？

Answer 1

我很确定没有办法做到这一点。scatter函数把你的数据变成了一系列路径，现在它不再拥有你需要的额外信息（也就是说，它不知道为什么要画这些形状，它只知道要画哪些形状的列表）。

你也可以用set_array来更新颜色（因为PathCollection是ScalerMappable的一个子类）。

如果你想这样做（并且点的数量比较少），你可以手动管理这些路径。

另一个（更简单的）选择是使用两个（或者多个，每种形状/颜色组合一个）Line2D对象（因为在这个例子中你并没有改变标记的大小），并设置linestyle='none'。在Line2D对象上触发选择事件会告诉你你最近的点是哪个。

抱歉，内容有点啰嗦。

Answer 2

如果你想要突出显示用户选择的点，可以在选中的点上面再加一个点（用 dot = ax.scatter(...) 这个命令）。之后，当用户点击时，你可以用 dot.set_offsets((x, y)) 来改变这个点的位置。

Joe Kington 写了一个很棒的例子（DataCursor），展示了当用户点击某个图形（比如散点图）时，如何添加一个注释来显示数据坐标。

这里有一个衍生的例子（FollowDotCursor），当用户把鼠标悬停在某个点上时，它会突出显示并注释数据点。

在 DataCursor 中，显示的数据坐标是用户点击的位置——这可能和底层数据的坐标不完全一样。

而在 FollowDotCursor 中，显示的数据坐标总是和鼠标最近的底层数据点相对应。

---

import numpy as np
import matplotlib.pyplot as plt
import scipy.spatial as spatial

def fmt(x, y):
    return 'x: {x:0.2f}\ny: {y:0.2f}'.format(x=x, y=y)

class FollowDotCursor(object):
    """Display the x,y location of the nearest data point.
    """
    def __init__(self, ax, x, y, tolerance=5, formatter=fmt, offsets=(-20, 20)):
        try:
            x = np.asarray(x, dtype='float')
        except (TypeError, ValueError):
            x = np.asarray(mdates.date2num(x), dtype='float')
        y = np.asarray(y, dtype='float')
        self._points = np.column_stack((x, y))
        self.offsets = offsets
        self.scale = x.ptp()
        self.scale = y.ptp() / self.scale if self.scale else 1
        self.tree = spatial.cKDTree(self.scaled(self._points))
        self.formatter = formatter
        self.tolerance = tolerance
        self.ax = ax
        self.fig = ax.figure
        self.ax.xaxis.set_label_position('top')
        self.dot = ax.scatter(
            [x.min()], [y.min()], s=130, color='green', alpha=0.7)
        self.annotation = self.setup_annotation()
        plt.connect('motion_notify_event', self)

    def scaled(self, points):
        points = np.asarray(points)
        return points * (self.scale, 1)

    def __call__(self, event):
        ax = self.ax
        # event.inaxes is always the current axis. If you use twinx, ax could be
        # a different axis.
        if event.inaxes == ax:
            x, y = event.xdata, event.ydata
        elif event.inaxes is None:
            return
        else:
            inv = ax.transData.inverted()
            x, y = inv.transform([(event.x, event.y)]).ravel()
        annotation = self.annotation
        x, y = self.snap(x, y)
        annotation.xy = x, y
        annotation.set_text(self.formatter(x, y))
        self.dot.set_offsets((x, y))
        bbox = ax.viewLim
        event.canvas.draw()

    def setup_annotation(self):
        """Draw and hide the annotation box."""
        annotation = self.ax.annotate(
            '', xy=(0, 0), ha = 'right',
            xytext = self.offsets, textcoords = 'offset points', va = 'bottom',
            bbox = dict(
                boxstyle='round,pad=0.5', fc='yellow', alpha=0.75),
            arrowprops = dict(
                arrowstyle='->', connectionstyle='arc3,rad=0'))
        return annotation

    def snap(self, x, y):
        """Return the value in self.tree closest to x, y."""
        dist, idx = self.tree.query(self.scaled((x, y)), k=1, p=1)
        try:
            return self._points[idx]
        except IndexError:
            # IndexError: index out of bounds
            return self._points[0]

x = np.random.normal(0,1.0,100)
y = np.random.normal(0,1.0,100)
fig, ax = plt.subplots()

cursor = FollowDotCursor(ax, x, y, formatter=fmt, tolerance=20)
scatter_plot = plt.scatter(x, y, facecolor="b", marker="o")

#update the colour 
new_facecolors = ["r","g"]*50
scatter_plot.set_facecolors(new_facecolors)    

plt.show()