matplotlib实现自定义散点形状marker的3种方法

目录

• 无填充形状和填充形状
• Tex形状
• Path对象
• 使用Path模块中的Path对象
• 自定义Path对象
• 从svg格式转化为Path对象
• 参考

matplotlib中marker支持的数据类型

marker有4种类型，分别是：

• Unfilled markers: 无填充形状
• Filled markers: 填充形状
• markers created from Tex symbols: 即用tex字符串定义的形状
• created from paths：自定义的matplotlib中的Path对象即路径。

4种类型中前两种即无填充类型和填充类型都是matplotlib本身就有的，没有可扩充性。第三种tex字符串也只能表现一些特殊的形状，可扩充性也不是很强。最后一种Path对象可以自己定义形状，可扩充性比较强。

无填充形状和填充形状

使用这种形状只需给marker指定一个字符或者一个数字即可

Tex形状

通过自定义一个符合Latex格式的字符串复制给marker即可,因此如果想让makrer为一个数字或者单词字母或者特殊的符号便可以定义这样一个字符串

import matplotlib.pyplot as plt 
import numpy as np 

data = np.random.rand(3,2)
fig = plt.figure() 
ax = fig.add_subplot(111) 
markers = ["$\u266B$", r"$\frac{1}{2}$", "$\heartsuit$"]
for i in range(data.shape[0]):
    ax.scatter(data[i,0], data[i,1], marker=markers[i], s=400) 
plt.show()

Path对象

matplotlib中Path类的定义参考了图片格式svg格式的定义,具体不做阐述,可自行百度。Path对象给定制marker提供了极大的便利，可以使用Path模块中已经定义好的一些Path类供用户组合，用户也可以自定义Path类

使用Path模块中的Path对象

import matplotlib.pyplot as plt
import matplotlib.path as mpath
import numpy as np

star = mpath.Path.unit_regular_star(6)  # 星型Path
circle = mpath.Path.unit_circle()  # 圆形Path 
# 整合两个路径对象的点
verts = np.concatenate([circle.vertices, star.vertices[::-1, ...]])
# 整合两个路径对象点的类型
codes = np.concatenate([circle.codes, star.codes])

# 根据路径点和点的类型重新生成一个新的Path对象 
cut_star = mpath.Path(verts, codes)

plt.plot(np.arange(10)**2, '--r', marker=cut_star, markersize=15)

plt.show()

自定义Path对象

import matplotlib.pyplot as plt
import matplotlib.path as mpath
import numpy as np

circle = mpath.Path.unit_circle()  # 获得一个圆 
verts_part= circle.wedge(340,220).vertices  # 按逆时针从340度到220度部分圆的路径点
codes_part = circle.wedge(340,220).codes  # 点类型 
verts_part = verts_part[1:-2]  # 去除第一个点和最后两个点 
codes_part = codes_part[1:-2] 
# 整合新的点 
verts = np.concatenate([np.array([[0,-2]]), verts_part, np.array([[0,-2]])]) 
codes = [mpath.Path.MOVETO] + codes_part.tolist() +  [mpath.Path.CLOSEPOLY] 

icon = mpath.Path(vertices=verts, codes=codes)

plt.plot(verts[:,0], verts[:,1]) 
plt.show() 

plt.scatter(data[:,0], data[:,1], marker=icon, s=300, facecolor="none",edgecolors="black")
plt.show()

从svg格式转化为Path对象

既然Path类的定义起源于svg，那么引申出一个问题，能否将svg格式的图片转化为Path对象？这样我们就不用费力自己定义Path对象，而是可以用别人已经定义好的svg格式的图片转换为Path对象

答案是可以的，可以用svgpath2mpl库解析svg转化为matplotlib的Path对象

import matplotlib as mpl 
from svgpath2mpl import parse_path
import xml.etree.ElementTree as etree 
from six import StringIO 
import re 

# svg格式图片的svg代码
svg = """"""
# 解析代码 
tree = etree.parse(StringIO(svg)) 
root = tree.getroot() 
width = int(re.match(r'\d+', root.attrib['width']).group())
height = int(re.match(r'\d+', root.attrib['height']).group())
path_elems = root.findall('.//{http://www.w3.org/2000/svg}path') 

# 解析出每个Path对象
paths = [parse_path(elem.attrib['d']) for elem in path_elems] 
facecolors = [elem.attrib.get('fill', 'none') for elem in path_elems] 
facecolors = [c if c !="" else "none" for c in facecolors]
edgecolors = [elem.attrib.get('stroke', 'none') for elem in path_elems]
linewidths = [elem.attrib.get('stroke_width', 1) for elem in path_elems]

#定义旋转矩阵
def rot(verts, az):
    #顺时针旋转
    rad = az / 180 * np.pi
    verts = np.array(verts)
    rotMat = np.array([[np.cos(rad), -np.sin(rad)], [np.sin(rad), np.cos(rad)]])
    transVerts = verts.dot(rotMat)
    return transVerts

# 合并每个Path对象
verts = paths[0].vertices 
codes = paths[0].codes 
for i in range(1,len(paths)): 
    verts = np.concatenate([verts, paths[i].vertices])
    codes = np.concatenate([codes, paths[i].codes])
verts = rot(verts, 180) 
fig = plt.figure() 
ax = fig.add_subplot(111) 
ax.plot(verts[:,0], verts[:,1]  , color="red")  
plt.show() 

# 定义解析函数 
def svg2path(svg):
    # 解析代码 
    tree = etree.parse(StringIO(svg)) 
    root = tree.getroot() 
    path_elems = root.findall('.//{http://www.w3.org/2000/svg}path') 

    # 解析出每个Path对象
    paths = [parse_path(elem.attrib['d']) for elem in path_elems] 
    
    # 合并path对象
    verts = paths[0].vertices 
    codes = paths[0].codes 
    for i in range(1, len(paths)): 
        verts = np.concatenate([verts, paths[i].vertices])
        codes = np.concatenate([codes, paths[i].codes])
    # 复原为原来的形状
    verts = rot(verts, 270) 
    verts = np.fliplr(verts)  # 水平翻转，镜像
    #verts = (verts - verts.min(0)) / (verts.max(0) - verts.min(0)) 
    icon = mpath.Path(vertices=verts, codes=codes)
    return icon 

svg = ["""""",
      """""",
      """"""]
icons = []
for s in svg:
    icons.append(svg2path(s)) 

fig = plt.figure() 
ax = fig.add_subplot(111) 
for i in range(data.shape[0]):
    ax.scatter(data[i,0], data[i,1], marker=icons[i], s=3000)
plt.show()

参考

https://matplotlib.org/stable/gallery/lines_bars_and_markers/marker_reference.html#sphx-glr-gallery-lines-bars-and-markers-marker-reference-py

https://nbviewer.jupyter.org/github/nvictus/svgpath2mpl/blob/master/examples/homer.ipynb

到此这篇关于matplotlib实现自定义散点形状marker的3种方法的文章就介绍到这了,更多相关matplotlib 自定义散点形状marker内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！