Python matplotlib：如何在打印中使用标记大小/颜色作为额外尺寸？

我正在绘制一个时间序列，其中

x

是一系列

datetime。datetime

对象和

y

是一系列双精度对象

我想将标记大小映射到第三个系列

z

（也可能将标记颜色映射到第四个系列

w

），这在大多数情况下可以通过以下方法实现：

scatter(x, y, s=z, c=w)

除非

scatter（）

不允许

x

是一系列

datetime.datetime

对象

plot(x, y, marker='o', linestyle='None')

另一方面，如果

x

是

datetime.datetime

（使用正确的勾号标签），则只能一次为所有点设置markersize/color，即无法将它们映射到额外的序列

既然

scatter

和

plot

都能完成我所需的一半，那么有什么方法可以同时做到这两个呢

UPDATE在的问题之后，我意识到

scatter

在

default\u units（）

的

matplotlib/dates.py

行中提出了一个

KeyError

：

x = x[0]

可以肯定的是，my

x

和

y

都是从索引中没有“0”的pandas数据帧中获取的序列。然后我尝试了两件事（都觉得有点不舒服）：

首先，我尝试将数据帧索引修改为

0..len（x）

，这导致

matplotlib/axes/_axes.py中的另一个错误位于：

offsets  = np.dstack((x,y))

dstack
不能很好地处理熊猫系列。因此，我随后尝试将
x
和
y
转换为numpy.array：

scatter(numpy.array(x), numpy.array(y), s=numpy.array(z))

这几乎起作用了，除了“散布”似乎无法自动缩放x轴，并将所有对象折叠成一条直线，因此我必须显式重置
xlim
，以查看绘图

所有这一切都意味着
scatter
可以完成这项工作，尽管有点复杂。我一直认为matplotlib可以接受任何类似数组的输入，但显然，如果数据不是需要一些内部操作的简单数字，那么这并不完全正确

更新2我也试着按照的建议去做（顺便说一句，谢谢你的编辑技巧）。如果我理解正确，我首先将
x
转换为一系列“matplotlib风格的日子”：

mx = mPlotDATEs.date2num(list(x))

这样我就可以直接呼叫：

scatter(mx, y, s=z)

然后，为了正确标记轴，我调用：

gca().xaxis.set_major_formatter( DateFormatter('%Y-%m-%d %H:%M'))

（在交互模式下，调用
show（）
更新轴标签）

它工作得很好，给我的感觉是一种更“合适”的做事方式，因此我将接受这一最佳答案。
您可能可以将
x
中的对象从
datetime.datertime
转换为
int
（从1970年开始以秒表示）

然后将其传递给
scatter

scatter(x, y, s=z, c=w)

你也许可以试试for循环。这是一个相对较好的选择，只要您没有太多的数据来绘制。下面我写一个小例子：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.rand(100)
y = np.random.rand(100)

mass = np.linspace(1,10,100)

for i in xrange(len(x)):
    plt.plot(x[i],y[i],'ko', markersize=mass[i])
plt.show()


原则上你也可以用同样的颜色
 有办法做到这两个吗？对
但是，让我们通过示例来工作：



步骤A：从
datetime
到
matplotlib
约定-兼容
日期/时间

步骤B：添加
3D
4D
5D功能（使用附加的{
颜色
大小
}--信息的编码维度）


像往常一样，魔鬼被隐藏在细节中

matplotlib日期几乎相等，但不相等：

#  mPlotDATEs.date2num.__doc__
#                  
#     *d* is either a class `datetime` instance or a sequence of datetimes.
#
#     Return value is a floating point number (or sequence of floats)
#     which gives the number of days (fraction part represents hours,
#     minutes, seconds) since 0001-01-01 00:00:00 UTC, *plus* *one*.
#     The addition of one here is a historical artifact.  Also, note
#     that the Gregorian calendar is assumed; this is not universal
#     practice.  For details, see the module docstring.

因此，强烈建议重新使用他们自己的工具：


管理轴标签、格式和比例（最小/最大）是一个单独的问题
然而，matplotlib也为这一部分带来了武器：

from matplotlib.dates   import  DateFormatter,    \
                                AutoDateLocator,   \
                                HourLocator,        \
                                MinuteLocator,       \
                                epoch2num
from matplotlib.ticker  import  ScalarFormatter, FuncFormatter

例如，可以：

    aPlotAX.set_xlim( x_min, x_MAX )               # X-AXIS LIMITs ------------------------------------------------------------------------------- X-LIMITs

    #lt.gca().xaxis.set_major_locator(      matplotlib.ticker.FixedLocator(  secs ) )
    #lt.gca().xaxis.set_major_formatter(    matplotlib.ticker.FuncFormatter( lambda pos, _: time.strftime( "%d-%m-%Y %H:%M:%S", time.localtime( pos ) ) ) )

    aPlotAX.xaxis.set_major_locator(   AutoDateLocator() )

    aPlotAX.xaxis.set_major_formatter( DateFormatter( '%Y-%m-%d %H:%M' ) )  # ----------------------------------------------------------------------------------------- X-FORMAT

    #--------------------------------------------- # 90-deg x-tick-LABELs

    plt.setp( plt.gca().get_xticklabels(),  rotation            = 90,
                                            horizontalalignment = 'right'
                                            )

    #------------------------------------------------------------------

添加{
3D
4D
5D}转码
想象一下这个方法，看看这个例子，
使用不同的工具将信息的附加维度编码为{
color
|
size
|
alpha
}。鉴于{
size
|
alpha
}与分散点相关，对于
color
，
matplotlib
中还有其他工具，包括一套针对各种特定领域或人眼视觉/感知适应色标度的着色。对色阶/归一化定标器给出了一个很好的解释



您可能已经注意到，这个
4D示例仍然有一个常量
alpha
（未用于真实
5D
维度可视化中的第五个DOF）
您是否可以提出一个问题，散射应该与单元框架一起工作。它引起了什么错误？@tcaswell现在你问了，我回去后注意到
scatter
引起了一个“KeyError”，至少部分原因是
x
（和
y
）是一个熊猫系列。我将更新我的问题以反映这一点。内部体操是一个了不起的观点：o）
from matplotlib.dates   import  DateFormatter,    \
                                AutoDateLocator,   \
                                HourLocator,        \
                                MinuteLocator,       \
                                epoch2num
from matplotlib.ticker  import  ScalarFormatter, FuncFormatter

    aPlotAX.set_xlim( x_min, x_MAX )               # X-AXIS LIMITs ------------------------------------------------------------------------------- X-LIMITs

    #lt.gca().xaxis.set_major_locator(      matplotlib.ticker.FixedLocator(  secs ) )
    #lt.gca().xaxis.set_major_formatter(    matplotlib.ticker.FuncFormatter( lambda pos, _: time.strftime( "%d-%m-%Y %H:%M:%S", time.localtime( pos ) ) ) )

    aPlotAX.xaxis.set_major_locator(   AutoDateLocator() )

    aPlotAX.xaxis.set_major_formatter( DateFormatter( '%Y-%m-%d %H:%M' ) )  # ----------------------------------------------------------------------------------------- X-FORMAT

    #--------------------------------------------- # 90-deg x-tick-LABELs

    plt.setp( plt.gca().get_xticklabels(),  rotation            = 90,
                                            horizontalalignment = 'right'
                                            )

    #------------------------------------------------------------------