matplotlib：出现值时绘制特殊符号

Question

使用matplotlib 我想绘制一个延迟列表，这样：

• 在X轴我有延迟在列表中的位置
• 在 Y 轴我自己有延迟

现在，在我的列表中有一个特殊值“L”，每当它出现时，我想在 X 轴上绘制一个红十字。 p>

我该如何做最后一件事？

Answer 1

有许多不同的方法可以做到这一点。

首先，让我们将您的数据设为一个 numpy 数组，以便我们可以使用布尔索引。这样可以更轻松地将“标记的”"L" 值与数据值隔离开来。

理想情况下，您应该将事物转换为带有“L”值的屏蔽数组（并且在任何地方浮动，而不是混合数据类型）。不过，为了简单起见，我们在这里只使用一个对象数组，以便您可以混合字符串和浮点数。

import matplotlib.pyplot as plt
import numpy as np

delays = np.array([0.5, 2.3, 'L', 0.9, 'L', 2], dtype=object)
x = np.arange(delays.size)

fig, ax = plt.subplots()
ax.plot(x[delays != 'L'], delays[delays != 'L'], 'bo')

# Expand axis limits by 0.5 in all directions for easier viewing
limits = np.array(ax.axis())
ax.axis(limits + [-0.5, 0.5, -0.5, 0.5])

flag_positions = x[delays == 'L']
ax.plot(flag_positions, np.zeros_like(flag_positions), 'rx', 
        clip_on=False, mew=2)

plt.show()

但是，红色的 x 位于固定的 y 位置，如果我们平移或缩放，它们会移出 x 轴。

您可以通过使用自定义转换来解决此问题。在这种情况下，我们希望 x 坐标使用“正常”数据坐标 (ax.transData)，y 坐标使用轴坐标系（例如 0-1，其中 0 是底部，1 是顶部： ax.transAxes)。为此，我们将使用 BlendedGenericTransform，它使用两种不同的变换：一种用于 x 坐标，另一种用于 y 坐标。

因此，如果您希望红色的 x 始终位于 x 轴上，而不管绘图是如何平移或缩放的，那么您可以执行以下操作：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import BlendedGenericTransform

delays = np.array([0.5, 2.3, 'L', 0.9, 'L', 2], dtype=object)
x = np.arange(delays.size)

fig, ax = plt.subplots()
ax.plot(x[delays != 'L'], delays[delays != 'L'], 'bo')

flags = x[delays == 'L']
ax.plot(flags, np.zeros_like(flags), 'rx', clip_on=False, mew=2,
        transform=BlendedGenericTransform(ax.transData, ax.transAxes))

# Expand axis limits by 0.5 in all directions for easier viewing
limits = np.array(ax.axis())
ax.axis(limits + [-0.5, 0.5, -0.5, 0.5])

plt.show()

我们可以通过使用掩码数组让事情变得更简洁（也可以看看pandas）。使用掩码数组（或pandas）是指示缺失数据的更好选择，而不是使用具有混合字符串和浮点值的对象数组。举个例子：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.transforms import BlendedGenericTransform

delays = [0.5, 2.3, 'L', 0.9, 'L', 2]
delays = [item if item != 'L' else np.nan for item in delays]
delays = np.ma.masked_invalid(delays)

fig, ax = plt.subplots()

ax.plot(delays, 'bo')

flags = delays.mask.nonzero()
ax.plot(flags, np.zeros_like(flags), 'rx', clip_on=False, mew=2,
        transform=BlendedGenericTransform(ax.transData, ax.transAxes))

# Expand axis limits by 0.5 in all directions for easier viewing
limits = np.array(ax.axis())
ax.axis(limits + [-0.5, 0.5, -0.5, 0.5])

plt.show()