我已经为此苦苦挣扎了一段时间,但无法让它发挥作用。我正在读取一个文件 block 并从中散点图数据,我想通过在 for
循环中更新每个 block 的散点图来“动画化”它(并使其适应实时数据流)。
所以像这个丑陋的例子这样的东西适用于单个情节:
x = [1, 2, 3, 4]
y = [4, 3, 2, 1]
alpha = [0.2, 0.3, 0.8, 1.0]
c = np.asarray([(0, 0, 1, a) for a in alpha])
s = scatter(x, y, marker='o', color=c, edgecolors=c)
但是如何在不重复调用 s.remove()
和 scatter()
的情况下更新绘图?完全不直观的命名 s.set_array
和 s.set_offsets
应该更新颜色以及 x 和 y 位置,但我不知道如何使用它们使用我上面的 x、y、alpha 数据类型。
(此外,是否有更好的方法来处理上图中的 alpha?)
最佳答案
我为此找到的解决方案涉及使用 Normalize 根据相关数据制作标准化颜色列表,将其映射到 ScalarMappable,并使用它来设置动画每一帧的面部颜色和 c 限制。使用 scat 散点图的句柄和 speedList 提供颜色数据:
n = mpl.colors.Normalize(vmin = min(speedsList), vmax = max(speedsList))
m = mpl.cm.ScalarMappable(norm=n, cmap=mpl.cm.afmhot)
scat.set_facecolor(m.to_rgba(speedsList))
scat.set_clim(vmin=min(speedsList), vmax=max(speedsList))
这完全符合我的预期。
关于python - 更新 pyplot.scatter 的位置和颜色,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23966121/