Python/Matplotlib：随机选择不同标记的“样本”散点

Question

几乎完全是问题所陈述的内容，但有一点上下文：

我正在创建一个程序来绘制大量点（约 10,000 个，但稍后会更多）。这是使用 matplotlib 的 plt.scatter 完成的。此命令是保存图形的循环的一部分，因此我可以稍后对其进行动画处理。

我想要做的是随机选择这些粒子的一小部分（比如说，可能是 100 个？），并给它们一个与其他粒子不同的标记，即使它们是同一数据集的一部分。这样我就可以将它们用作占位符，以查看单个粒子以及散装材料的运动。

有没有办法为同一数据的一小部分使用不同的标记？

作为参考，粒子均匀分布仅使用 numpy 随机采样器，但我的代码是：

for i in range(N): # N number of particles
    particle_position[i] = np.random.uniform(0, xmax)  # Initialize in spatial domain
    particle_velocity[i] = np.random.normal(0, 5)      # Initialize in velocity space

for i in range(maxtime):
    plt.scatter(particle_position, particle_velocity, s=1, c=norm_xvel, cmap=br_disc, lw=0)

主循环每次迭代的位置和速度变化（有相当多的代码），但这些是主要的初始化和绘图例程。

我有一个想法，也许我可以从 range(N) 中随机选择一堆 i 值，并使用 ax.scatter() 命令将它们绘制在相同的轴上？

Answer 1

以下是一种可能的解决方案，可以用不同的标记来识别您的点子集：

import matplotlib.pyplot as plt
import numpy as np

SIZE = 100
SAMPLE_SIZE = 10

def select_subset(seq, size):
    """selects a subset of the data using ...
    """
    return seq[:size]

points_x = np.random.uniform(-1, 1, size=SIZE)
points_y = np.random.uniform(-1, 1, size=SIZE)

plt.scatter(points_x, points_y, marker=".", color="blue")
plt.scatter(select_subset(points_x, SAMPLE_SIZE), 
            select_subset(points_y, SAMPLE_SIZE), 
            marker="o", color="red")

plt.show()

它使用了两次plt.scatter；一次在完整数据集上，另一个在样本点上。

您必须决定如何选择点样本 - 它在 select_subset 函数中被隔离..

您还可以从数据集中提取样本点以防止对其进行两次标记，但 numpy 在删除或调整大小方面效率相当低。

也许更好的方法是使用面具？掩码的优点是使您的原始数据保持完整和有序。

下面是一种处理蒙版的方法：

import matplotlib.pyplot as plt
import numpy as np
import random

SIZE = 100
SAMPLE_SIZE = 10

def make_mask(data_size, sample_size):
    mask = np.array([True] * sample_size + [False ] * (data_size - sample_size))
    np.random.shuffle(mask)
    return mask

points_x = np.random.uniform(-1, 1, size=SIZE)
points_y = np.random.uniform(-1, 1, size=SIZE)
mask = make_mask(SIZE, SAMPLE_SIZE)
not_mask = np.invert(mask)

plt.scatter(points_x[not_mask], points_y[not_mask], marker=".", color="blue")
plt.scatter(points_x[mask], points_y[mask], marker="o", color="red")

plt.show()

如您所见，scatter 在数据点的子集（样本中未选择的数据点）上调用一次，然后在采样子集上调用第二次，并使用自己的标记绘制每个子集。它是高效的，并且可以完整地保留原始数据。

Answer 2

下面的代码可以满足您的需求。我在正确的范围内（0 到 N）选择了一个随机集合 v_sub_index 的 N_sub 索引，并从较大的样本 particle_position 和 particle_velocity 中绘制这些（带有 _sub 后缀）。请注意，您不必循环生成随机样本。 Numpy 具有强大的功能，无需使用 for 循环。

import numpy as np
import matplotlib.pyplot as pl

N = 100
xmax = 1.
v_sigma = 2.5 / 2. # 95% of the samples contained within 0, 5
v_mean  = 2.5      # mean at 2.5

N_sub = 10
v_sub_index = np.random.randint(0, N, N_sub)

particle_position = np.random.rand (N) * xmax
particle_velocity = np.random.randn(N)

particle_position_sub   = np.array(particle_position[v_sub_index])
particle_velocity_sub   = np.array(particle_velocity[v_sub_index])
particle_position_nosub = np.delete(particle_position, v_sub_index)
particle_velocity_nosub = np.delete(particle_velocity, v_sub_index)

pl.scatter(particle_position_nosub, particle_velocity_nosub, color='b', marker='o')
pl.scatter(particle_position_sub  , particle_velocity_sub  , color='r', marker='^')
pl.show()