以下代码在定义范围之间标准化数据后生成十六进制图。
from matplotlib.cm import viridis_r as glocmap
import numpy as np
import matplotlib.pyplot as plt
data = np.random.uniform(1.0, 10, size=(100,2))
ax1 plt.hexbin(data[:,0], data[:,1], bins=None,gridsize=(20,15), cmap=glocmap,
vmin=0, vmax=100, alpha=0.75, mincnt=1.0)
cb = plt.colorbar(label='count')
cb.set_label('COUNT',size=20)
cb.ax.tick_params(labelsize=20)
cb.set_alpha(1)
ax1.get_array() #has length of 95
ax1._offsets #2D array array of length 95
我想知道数据中每个“坐标值”的“计数值”。轴实例有一个名为“_offsets”的属性,绘制时会生成与 plt.hexbin 相同的图,因此我认为这可能是坐标值,但这些值与“data”中的值略有不同。 我所说的坐标是指 x 轴和 y 轴的值。
编辑:正如评论中所建议的,在轴实例上应用 .get_array() 会给出长度 (95) 等于 ._offsets 属性长度的数组。我的目标是从“数据”中找到相应点的“计数”。例如data[0] 处的“count”值是多少?
最佳答案
PolyCollection
的 .get_array()
方法将返回每个六边形的计数数。 .get_offsets()
方法将返回每个六边形的中心。
import numpy as np; np.random.seed(42)
import matplotlib.pyplot as plt
data = np.random.uniform(1.0, 10, size=(50,2))
pc = plt.hexbin(data[:,0], data[:,1], bins=None,gridsize=(7,4), cmap="viridis_r",
vmin=0, vmax=5, mincnt=1.0)
cb = plt.colorbar(label='count')
cb.set_label('COUNT',size=20)
cb.ax.tick_params(labelsize=20)
cb.set_alpha(1)
counts = pc.get_array()
positions = pc.get_offsets()
print(counts[:10])
print(positions[:10])
for c, (x,y) in zip(counts[:10],positions[:10]):
plt.text(x,y,"{:d}".format(int(c)), ha="center", va="center")
plt.show()
将打印
[1. 1. 1. 2. 2. 2. 1. 2. 1. 3.]
[[1.04969905 1.41805371]
[1.04969905 3.53403589]
[1.04969905 7.76600025]
[1.04969905 9.88198243]
[2.28920799 5.65001807]
[2.28920799 7.76600025]
[2.28920799 9.88198243]
[3.52871693 1.41805371]
[3.52871693 3.53403589]
[3.52871693 5.65001807]]
并显示
例如,第一个六边形以 x=1.04969905, y=1.41805371
为中心,并且其中有一个点 (count==1)。第 10 个六边形以 x=3.52871693, y=5.65001807
为中心,其中有 3 个点 (count==3)。
关于matplotlib - 如何通过 matplotlib 标准化后获取各个点的值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52752826/