對於一個項目,我製作了一些三維散點圖,其中包含三個相應的投影。我用不同的顏色來表示第四個參數。首先,我用一種特定的顏色繪製數據,然後我overplot與其他數據以不同的顏色,從而使最終的順序是這樣的,我所看到的一切,因爲我想:Matplotlib中丟失的顏色三維散點圖
在開始這工作得很好,但是當我嘗試用稍微不同的數據做同樣的事情時,顏色會變得混亂。在投影顯示的顏色是正確的,但其中一些在3D圖缺少這樣他們就不會再匹配:當我在一個有趣的方式旋轉3D圖
中,顏色恢復,我可以看到他們,因爲他們被認爲是:
不過,我不希望在一個有趣的方式旋轉的3D繪圖,因爲軸搞的一團糟,它的不可能像這樣正確地閱讀它。
我在這裏發現了一個解決問題的辦法: plotting 3d scatter in matplotlib。 它基本上說我應該用ax.plot(X,Y,'o')替換我的ax.scatter(X,Y)。當我這樣做時,顏色以他們應該的方式顯示出來,但情節更加混亂和醜陋。 基本上我只是想能夠用散點圖來做到這一點。
有誰知道如何解決這個問題?
這裏是我的代碼最小例如,對於只有兩種顏色:
from mpl_toolkits.mplot3d import art3d
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
from matplotlib import gridspec
art3d.zalpha = lambda *args:args[0]
numcols = 20
percentage = 50
def load(Td, pc):
T = np.load(str(pc) + 'pctTemperaturesTd=' + str(Td) + '.npy')
D = np.load(str(pc) + 'pctDensitiesTd=' + str(Td) + '.npy')
CD = np.load(str(pc) + 'pctColDensitiesTd=' + str(Td) + '.npy')
return T, D, CD
def colors(ax):
colors = np.zeros((numcols, 4))
cm = plt.get_cmap('gist_rainbow')
ax.set_color_cycle([cm(1.*i/numcols) for i in range(numcols)])
for i in range(numcols):
color = cm(1.*i/numcols)
colors[i,:] = color
return colors
# LOAD DATA
T10, D10, CD10 = load(10, percentage)
T200, D200, CD200 = load(200, percentage)
# 3D PLOT
fig = plt.figure(1)
gs = gridspec.GridSpec(4, 4)
ax = fig.add_subplot(gs[:-1,:-1], projection='3d')
colours = colors(ax)
ax.plot(T200/100., np.log10(D200), np.log10(CD200), '*', markersize=10,color=colours[10], mec = colours[10], label='Td = 200', alpha=1)
ax.plot(T10/100., np.log10(D10), np.log10(CD10), '*', markersize=10,color=colours[0], mec = colours[0], label='Td = 10', alpha=1)
ax.set_xlabel('\nTg/100', fontsize='x-large')
ax.set_ylabel('\nlog(nH)', fontsize='x-large')
ax.set_zlabel('\nlog(colDen)', fontsize='x-large')
ax.set_xlim(0,5)
#ax.set_zlim(0,)
ax.set_ylim(2,6)
# PROJECTIONS
# Tg, nH
ax2 = fig.add_subplot(gs[3,0])
ax2.scatter(T200/100., np.log10(D200), marker='*', s=10, color=colours[10], label='Td = 200', alpha=1, edgecolor=colours[10])
ax2.scatter(T10/100., np.log10(D10), marker='*', s=10, color=colours[0], label='Td = 10', alpha=1, edgecolor=colours[0])
ax2.set_xlabel('Tg/100')
ax2.set_ylabel('log(nH)')
ax2.set_xlim(0,6)
# Tg, colDen
ax3 = fig.add_subplot(gs[3,1])
ax3.scatter(T200/100., np.log10(CD200), marker='*', s=10, color=colours[10], label='Td = 200', alpha=1, edgecolor=colours[10])
ax3.scatter(T10/100., np.log10(CD10), marker='*', s=10, color=colours[0], label='Td = 10', alpha=1, edgecolor=colours[0])
ax3.set_xlabel('Tg/100')
ax3.set_ylabel('log(colDen)')
ax3.set_xlim(0,6)
# nH, colDen
ax4 = fig.add_subplot(gs[3,2])
ax4.scatter(np.log10(D200), np.log10(CD200), marker='*', s=10, color=colours[10], label='Td = 200', alpha=1, edgecolor=colours[10])
ax4.scatter(np.log10(D10), np.log10(CD10), marker='*', s=10, color=colours[0], label='Td = 10', alpha=1, edgecolor=colours[0])
ax4.set_xlabel('log(nH)')
ax4.set_ylabel('log(colDen)')
# LEGEND
legend = fig.add_subplot(gs[:,3])
text = ['Td = 10', 'Td = 20', 'Td = 30', 'Td = 40', 'Td = 50', 'Td = 60', 'Td = 70', 'Td = 80', 'Td = 90', 'Td = 100', 'Td = 110', 'Td = 120', 'Td = 130', 'Td = 140', 'Td = 150', 'Td = 160', 'Td = 170', 'Td = 180', 'Td = 190', 'Td = 200']
array = np.arange(0,2,0.1)
for i in range(len(array)):
legend.scatter(0, i, marker='*', s=100, c=colours[numcols-i-1], edgecolor=colours[numcols-i-1])
legend.text(0.3, i-0.25, text[numcols-i-1])
legend.set_xlim(-0.5, 2.5)
legend.set_ylim(0-1, i+1)
legend.axes.get_xaxis().set_visible(False)
legend.axes.get_yaxis().set_visible(False)
gs.tight_layout(fig)
plt.show()
你能分享代碼嗎?你能指定使用的數據結構,還是表示你正在使用的數據的形狀?更重要的是,你使用的兩個數據集有多不同(一些數據集中的某些特徵與另一個數據集相比有什麼不同?) - 這將解釋旋轉圖表時紅色的外觀......但它仍然很奇怪)? – kasparg
我收錄了我的代碼。數據集只是numpy數組,第二個數據集應該是第一個數據集的一個子集,可以這麼說,它只包含也出現在第一個數據集中的點,但它們只是更少。除此之外沒有任何變化。我認爲這是一個錯誤,我沒有辦法改變它顯示我的數據的順序。畢竟,我現在只是用'陰謀'來解決問題,而不是'散佈'。 – Nikki
我要看的第一件事是['zorder'](http://matplotlib.org/examples/pylab_examples/zorder_demo.html)。 – kwinkunks