python - 如何在子图中选择一个点并在 matplotlib 的相邻子图中突出显示它(点区域的扩展)

Question

我想创建一个由一些子图组成的散点图矩阵。我从 .txt 文件中提取了我的数据并创建了一个形状数组 (x,y,z,p1,p2,p3)。数组的前三列表示这些数据来自原始图像的 x、y、z 坐标，最后三列(p1、p2、p3)表示一些其他参数。因此，在数组的每一行中，参数 p1、p2、p3 具有相同的坐标(x、y、z)。在散点图中，我想在第一阶段根据 p2、p3 参数可视化 p1 参数。对于我选择的每个点，我希望对数组前三列中的 (x,y,z) 参数进行注释，并突出显示相邻子图中具有相同坐标的点或修改其颜色。

在我的代码中，创建了两个子图，并在终端中打印了通过选取一个点获得的 (p1,p2 或 p3) 值，相邻子图中同一点的相应值以及 (x, y,z)该点的参数。

此外，当我在第一个子图中选择一个点时，第二个子图中对应点的颜色会发生变化，但反之亦然。这种颜色修改只有在我手动调整图形大小时才能识别。我怎样才能为两个子图添加交互性，而不必调整图形以注意到任何变化？我应该进行什么样的修改才能使这种交互性在像这个问题“Is there a function to make scatterplot matrices in matplotlib?”中那样的减少的散点图矩阵中可行。我不是经验丰富的 python、matplotlib 用户，因此我们将不胜感激

import numpy as np
import matplotlib.pyplot as plt
import pylab as pl



def main():


    #load data from file
    data = np.loadtxt(r"data.txt")

    plt.close("all")
    x = data[:, 3]
    y = data[:, 4]
    y1 = data[:, 5]
    fig1 = plt.figure(1)
    #subplot p1 vs p2
    plt.subplot(121)
    subplot1, = plt.plot(x, y, 'bo', picker=3)
    plt.xlabel('p1')
    plt.ylabel('p2')

    #subplot p1 vs p3
    plt.subplot(122)
    subplot2, = plt.plot(x, y1, 'bo', picker=3)
    plt.xlabel('p1')
    plt.ylabel('p3')

    plt.subplots_adjust(left=0.1, right=0.95, wspace=0.3, hspace=0.45)
    #  art.getp(fig1.patch)
    def onpick(event):

        thisevent = event.artist
        valx = thisevent.get_xdata()
        valy = thisevent.get_ydata()
        ind = event.ind

        print 'index', ind
        print 'selected point:', zip(valx[ind], valy[ind])
        print 'point in the adjacent subplot', x[ind], y1[ind]
        print '(x,y,z):', data[:, 0][ind], data[:, 1][ind], data[:, 2][ind]

        for xcord,ycord in zip(valx[ind], valy[ind]):
            plt.annotate("(x,y,z):", xy = (x[ind], y1[ind]), xycoords = ('data' ),
                xytext=(x[ind] - .5, y1[ind]- .5), textcoords='data',
                arrowprops=dict(arrowstyle="->",
                                connectionstyle="arc3"),
                )
            subplot2, = plt.plot(x[ind], y[ind], 'ro', picker=3)
            subplot1  = plt.plot(x[ind], y[ind], 'ro', picker=3)


    fig1.canvas.mpl_connect('pick_event', onpick)

    plt.show()



main()

总而言之，当我选择一个点时，信息会独立于子图打印在终端中。但是，当我在左侧子图中选择一个点时，颜色仅在右侧子图中的点中被修改，反之亦然。此外，直到我调整图形(例如移动它或调整它的大小)并且当我选择第二个点时，前一个点仍然是彩色的，否则颜色的变化是不明显的。

任何类型的贡献都将受到赞赏。提前谢谢你。

Answer 1

您的当前代码已经在正确的轨道上。您基本上只是在 onpick 函数中错过了对 plt.draw() 的调用。

但是，在我们的评论讨论中，mpldatacursor 出现了，您问了一个以这种方式做事的例子。

mpldatacursor 中的当前 HighlightingDataCursor 是围绕突出显示整个 Line2D 艺术家的想法而设置的，而不仅仅是它的特定索引。 (它故意有点限制，因为在 matplotlib 中没有为任何艺术家绘制任意高光的好方法，所以我将高光部分保持得很小。)

但是，您可以将与此类似的东西子类化(假设您正在使用 plot 并希望使用您在每个轴上绘制的第一个东西)。我还说明了如何使用 point_labels，以防您想为显示的每个点设置不同的标签。

import numpy as np
import matplotlib.pyplot as plt
from mpldatacursor import HighlightingDataCursor, DataCursor

def main():
    fig, axes = plt.subplots(nrows=2, ncols=2)
    for ax, marker in zip(axes.flat, ['o', '^', 's', '*']):
        x, y = np.random.random((2,20))
        ax.plot(x, y, ls='', marker=marker)
    IndexedHighlight(axes.flat, point_labels=[str(i) for i in range(20)])
    plt.show()

class IndexedHighlight(HighlightingDataCursor):
    def __init__(self, axes, **kwargs):
        # Use the first plotted Line2D in each axes
        artists = [ax.lines[0] for ax in axes]

        kwargs['display'] = 'single'
        HighlightingDataCursor.__init__(self, artists, **kwargs)
        self.highlights = [self.create_highlight(artist) for artist in artists]
        plt.setp(self.highlights, visible=False)

    def update(self, event, annotation):
        # Hide all other annotations
        plt.setp(self.highlights, visible=False)

        # Highlight everything with the same index.
        artist, ind = event.artist, event.ind
        for original, highlight in zip(self.artists, self.highlights):
            x, y = original.get_data()
            highlight.set(visible=True, xdata=x[ind], ydata=y[ind])
        DataCursor.update(self, event, annotation)

main()

同样，这假设您使用的是 plot 而不是 scatter。使用 scatter 可以做到这一点，但您需要更改大量令人讨厌的细节。 (没有通用的方法来突出显示任意 matplotlib 艺术家，因此您必须有很多非常冗长的代码来单独处理每种类型的艺术家。)

无论如何，希望它有用。