问题[matplotlib](coding)

我想使用我加载的特定图像（.gif 图像）替换 matplotlib 和 tkinter 窗口中的默认图标。它在主窗口（plt.show() matplotlib 窗口）上工作，但是当我通过单击 matplotlib 窗口上的按钮打开 tkinter 窗口时，我无法更改 tkinter 图标，我收到错误“_tkinter.TclError：无法使用“pyimage19”作为图标照片：不是照片图像”。但是，当我不替换 matplotlib 图标时，tkinter 窗口的图标会发生变化（顺便说一句，我无法同时替换 2 个窗口的图标，这就是问题所在）。

import matplotlib
matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
import tkinter as tk
from PIL import Image,ImageTk

def ouvrir_fenetre(event):
    global fenetre

    try:fenetre.destroy()
    except:pass

    fenetre = tk.Tk()
    fenetre.title("Fenêtre Tkinter")

##    fenetre.tk.call("wm","iconphoto",fenetre._w,tk.PhotoImage(file="accueil.gif"))
    image_tkinter = Image.open('accueil.gif')
    photo_tkinter = ImageTk.PhotoImage(image_tkinter) # Error: "_tkinter.TclError: can't use "pyimage19" as iconphoto: not a photo image"
    fenetre.iconphoto(False, photo_tkinter)

    fenetre.mainloop()

fig, ax = plt.subplots()

manager = plt.get_current_fig_manager()
window = manager.window
image_matplotlib = Image.open('accueil.gif')
photo_matplotlib = ImageTk.PhotoImage(image_matplotlib)
window.iconphoto(False, photo_matplotlib)

button = plt.axes([0.9, 0, 0.1, 0.05])
btn = plt.Button(button, 'Tkinter')
btn.on_clicked(ouvrir_fenetre)

plt.show()

我尝试加载 2 张不同的图片，但出现了同样的错误。我也尝试使用这个命令“fenetre.tk.call("wm","iconphoto",fenetre._w,tk.PhotoImage(file="accueil.gif"))”，但还是出现了同样的错误。

谢谢你的帮助

绘制数据时，垂直线被 matplotlib 错误地转换。使用线性 x 轴，我的曲线和指向曲线上特定位置的垂直线完全匹配。 在 plt.xscale('log') 之后，垂直线的终点不再在我的曲线上。

import numpy as np
import matplotlib.pyplot as plt

# Generate example data: x values from 1 to 16 (log scale)
x = np.array([1, 2, 4, 8, 16])
y = np.array([0.1, 0.2, 0.3, 0.6, 0.9])

# Perform linear interpolation to find where y crosses 0.5
crossings = np.where(np.diff(np.sign(y - 0.5)))[0]

if len(crossings) > 0:
    crossing_index = crossings[0]
    x1, x2 = x[crossing_index], x[crossing_index + 1]
    y1, y2 = y[crossing_index], y[crossing_index + 1]
    
    # Linear interpolation to find exact x for y = 0.5
    x_nd50 = x1 + (0.5 - y1) * (x2 - x1) / (y2 - y1)
    
    print(f"Interpolated x (ND50) = {x_nd50}")

# Plot the data with a logarithmic x scale
plt.plot(x, y, label="Data", color="blue")

# Plot the vertical line at the interpolated ND50 value
plt.plot([x_nd50, x_nd50], [0, 0.5], color='red', linestyle="--", alpha=0.7)
plt.scatter(x_nd50, 0.5, color='red', marker='x', alpha=0.7)

# First screenshot taken at this point!

# Set x-axis to log scale (log2)
plt.xscale('log')

# Second screenshot taken at this point!

# Show the plot
plt.xlabel('Log-scaled X')
plt.ylabel('Y')
plt.legend()
plt.show()

我在一个图形中有 2x2 个轴网格，我想将其与理想矩形对齐，偏移量为零。不幸的是，我还需要使用ax.set_aspect("equal")它，这似乎会导致很多问题。

最小代码如下所示：

import matplotlib.pyplot as plt

fig, axes = plt.subplots(2,2,
                    figsize = (15,6.04),
                    gridspec_kw = dict(
                        wspace = 0,
                        hspace = 0
                        ),
                       )
for ax in axes[:,1]:
    ax.yaxis.tick_right()
    ax.yaxis.set_label_position("right")

for ax in axes.flatten():
    ax.set_xlim(0,15)
    ax.set_ylim(-4, 2)
    ax.set_aspect("equal")

设置 figsize 可以解决问题，但仅适用于一组 lim。我希望它能够针对任何 xlim/ylim 比率自动重新计算。有没有简单的方法可以做到这一点（例如通过推断 figsize y 中的 0.04 偏移）？

matplotlib当使用绘制条形图时bars = plt.bar(...)，可以将返回的对象传递plt.bar_label(bars, labels)给以便于标记。

plt.bar_label(bars, labels)标记所有条形。我只想标记一个子集（前三个），最好使用plt.bar_label()。我不想调用 plt.text()或plt.annotate()。

有没有办法从中切出我想要的条形图bars，并且只使用标签plt.bar_label()？

下面的例子显示了所有条形图都已贴上标签的默认行为。

#Imports
import matplotlib.pyplot as plt
import pandas as pd

# Data for testing
values = [10, 9, 10.5, 4, 3.1, 2]
labels = [
    'sensor calibration', 'sensor response', 'noise floor estimate',
    'noise floor theta', 'weighted response coef', 'linear estimate'
]

#Bar plot with labels
ax = plt.figure(figsize=(5, 2)).add_subplot()
bars = ax.bar(range(6), values, color='lightgray')
ax.set(xlabel='x', ylabel='value', title='Data')
ax.spines[['top', 'right']].set_visible(False)

#Add all bar labels
label_kwargs = dict(rotation=90, weight='bold', fontsize=8, label_type='center')
ax.bar_label(bars, labels, **label_kwargs)

我有以秒为单位的救护车响应时间数据。例如 (32, 158, 36, 459, 830, 396)。我可以制作一个 Matplotlib 直方图，将数据分成 60 秒的增量。在 x 轴标签上，数据标记为 0 - 60 - 120 - 180 等。我希望 x 轴标签显示 00:00 - 01:00 - 02:00 - 03:00 等。换句话说，它应该显示格式为 mm:ss 的秒数，而不是整数值的秒数。下面的代码很接近，但我无法使其工作。下面的代码仅为所有箱返回 00:00。如何将直方图的 x 轴标记为 mm:ss 而不是整数？

# import the libraries
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
# generate a dataframe of values from 0 to 1800 (zero seconds to 1800 seconds which is 30 minutes)
df = pd.DataFrame(np.random.randint(0,1800, size=(1000, 1)), columns=list('A'))

start_value = 0 # the start value is zero seconds
end_value = 1800 # the end value is 1800 seconds (30 minutes)
increment_by_value = 60 # increment by one minute

# set up the nuts and bolts of the histogram
fig = plt.figure()
fig.set_dpi(100)
fig.set_size_inches(8, 6.5)
ax = fig.add_subplot(111)

# generate a histogram
plt.hist(df.A, bins=np.arange(start_value, end_value, increment_by_value), color='Purple', label='Response Time', edgecolor = 'Gray', linewidth = 1.0)

# not sure how this works. I would hope that it formats 75 seconds to 01:15
myFmt = mdates.DateFormatter('%M:%S')
ax.xaxis.set_major_formatter(myFmt)

# the x ticks line up with the bars. In other words, every 60 seconds
plt.xticks(np.arange(start_value, end_value, increment_by_value), rotation='vertical')

# set up the title and the labels
plt.title("Cardiac Arrest Response Time" + '\n' + '(Interval in Seconds)')
plt.xlabel("Bins of 1 minute (in seconds)")
plt.ylabel("Calls")
plt.legend()
plt.show()

我正在尝试使用以下布局来制作 Gridspec： 布局看起来应该如此

左下方的图应该是等宽比的。遗憾的是，我不得不调整窗口大小才能得到这张图片。对于其他尺寸，顶部或右侧的图与左下方的图不对齐。

布局不对齐的地块

我的代码如下：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(8,8))
gs = gridspec.GridSpec(3, 3, width_ratios=[1, 1/4, 1/32], height_ratios=[1/32, 1/4, 1])
ax = plt.subplot(gs[2, 0])
ax.set_aspect('equal')

ax_histx = plt.subplot(gs[1, 0], sharex=ax)
ax_histy = plt.subplot(gs[2, 1], sharey=ax)

cax = plt.subplot(gs[2, 2])
cax2 = plt.subplot(gs[0, 0])

plt.show()

如果我不设置纵横比，子图会完美对齐。但似乎我无法同时实现对齐和相等的纵横比。

另外，左下角的图形并不总是正方形。例如，如果我为 x 和 y 设置不同的限制

ax.set_xlim(0,10)
ax.set_ylim(0,5)

它应该是一个宽度=2*高度的矩形，以便图中的所有单元格都是正方形。

正方形与错误对齐

无论我如何努力去掉这个标记，它都会在我的图表上存在。我尝试过关闭刻度、刻度标签、网格线和许多其他东西，但都没有成功。

包含图表创建的完整代码，如果我确切知道哪部分代码导致了这个问题，我会包含更简化的代码。

import matplotlib.pyplot as plt

plt.style.use('dark_background')
my_figure = plt.figure(**{'dpi': 100.0,
                          'edgecolor': 'black',
                          'facecolor': 'black',
                          'figsize': (8.0, 6.0),
                          'linewidth': 1.0})
my_figure.suptitle(**{'fontsize': 'x-large',
                      'fontweight': 'semibold',
                      'horizontalalignment': 'center',
                      't': 'Boxplot',
                      'verticalalignment': 'top'})
my_figure.supxlabel(**{'fontsize': 'large',
                       'fontweight': 'normal',
                       'horizontalalignment': 'center',
                       't': 'values',
                       'verticalalignment': 'bottom'})
my_figure.supylabel(**{'fontsize': 'large',
                       'fontweight': 'normal',
                       'horizontalalignment': 'center',
                       't': 'values',
                       'verticalalignment': 'bottom'})
axes_dictionary = my_figure.subplot_mosaic(mosaic=[['boxplot'], ['histogram'], ['histogram'], ['histogram']]
                                           , gridspec_kw={'wspace': 0.0, 'hspace': 0.0})
axes_dictionary['boxplot'].bxp(**{'boxprops': {'alpha': 0.8, 'facecolor': 'C0'},
                                  'bxpstats': [{'label': 'obs5',
                                                'mean': 74.00224000000001,
                                                'med': 74.004,
                                                'q1': 73.996,
                                                'q3': 74.009,
                                                'whishi': 73.984,
                                                'whislo': 74.014}],
                                  'capprops': {'color': 'C0'},
                                  'patch_artist': True,
                                  'positions': [0],
                                  'showfliers': False,
                                  'vert': False,
                                  'whiskerprops': {'color': 'C0'},
                                  'widths': 0.5,
                                  'zorder': 1.0})
axes_dictionary['histogram'].hist(**{'align': 'mid',
                                     'alpha': 0.6,
                                     'bins': [73.98100280761719,
                                              73.98699951171875,
                                              73.99299621582031,
                                              73.9990005493164,
                                              74.00499725341797,
                                              74.01100158691406,
                                              74.017],
                                     'color': 'C0',
                                     'histtype': 'bar',
                                     'label': 'obs5',
                                     'orientation': 'vertical',
                                     'weights': [1, 3, 5, 6, 6, 4],
                                     'x': [73.98100280761719,
                                           73.98699951171875,
                                           73.99299621582031,
                                           73.9990005493164,
                                           74.00499725341797,
                                           74.01100158691406],
                                     'zorder': 0.0})
axes_dictionary['histogram'].set_xticks(
    ticks=[73.98100280761719, 73.98699951171875, 73.99299621582031, 73.9990005493164, 74.00499725341797,
           74.01100158691406, 74.017])
axes_dictionary['histogram'].set_xticklabels(
    labels=[73.98100280761719, 73.98699951171875, 73.99299621582031, 73.9990005493164, 74.00499725341797,
            74.01100158691406, 74.017])
axes_dictionary['histogram'].set_yticks(ticks=axes_dictionary['histogram'].get_yticks())
axes_dictionary['histogram'].set_yticklabels(labels=['', '1', '2', '3', '4', '5', '6', '7'])
axes_dictionary['boxplot'].set_xlim(**{'left': 73.97920303344726, 'right': 74.01879806518555})
axes_dictionary['boxplot'].tick_params(**{'labelbottom': False,
                                          'labelleft': False,
                                          'labelright': False,
                                          'labeltop': False})
axes_dictionary['boxplot'].spines['left'].set_visible(False)
axes_dictionary['boxplot'].spines['bottom'].set_visible(True)
axes_dictionary['boxplot'].spines['top'].set_visible(False)
axes_dictionary['boxplot'].spines['right'].set_visible(False)
axes_dictionary['boxplot'].tick_params(**{'axis': 'x',
                                          'bottom': False,
                                          'color': 'white',
                                          'direction': 'inout',
                                          'length': 3.0,
                                          'pad': 7.0,
                                          'top': False,
                                          'which': 'major',
                                          'width': 1.0,
                                          'zorder': 1.0})
axes_dictionary['boxplot'].tick_params(**{'axis': 'x',
                                          'bottom': False,
                                          'color': 'white',
                                          'direction': 'inout',
                                          'length': 5.0,
                                          'pad': 4.0,
                                          'top': False,
                                          'which': 'minor',
                                          'width': 5.0,
                                          'zorder': 1.0})
axes_dictionary['boxplot'].tick_params(**{'axis': 'y',
                                          'color': 'white',
                                          'direction': 'out',
                                          'left': False,
                                          'length': 3.0,
                                          'pad': 7.0,
                                          'right': False,
                                          'which': 'major',
                                          'width': 1.0,
                                          'zorder': 1.0})
axes_dictionary['boxplot'].tick_params(**{'axis': 'y',
                                          'color': 'white',
                                          'direction': 'inout',
                                          'left': False,
                                          'length': 2.0,
                                          'pad': 4.0,
                                          'right': False,
                                          'which': 'minor',
                                          'width': 1.0,
                                          'zorder': 1.0})
axes_dictionary['boxplot'].grid(**{'axis': 'x', 'visible': False, 'which': 'major'})
axes_dictionary['boxplot'].grid(**{'axis': 'x', 'visible': False, 'which': 'minor'})
axes_dictionary['boxplot'].grid(**{'axis': 'y', 'visible': False, 'which': 'major'})
axes_dictionary['boxplot'].tick_params(**{'axis': 'y', 'labelbottom': True, 'which': 'major'})
axes_dictionary['histogram'].spines['left'].set_visible(False)
axes_dictionary['histogram'].spines['bottom'].set_visible(True)
axes_dictionary['histogram'].spines['top'].set_visible(False)
axes_dictionary['histogram'].spines['right'].set_visible(False)
axes_dictionary['histogram'].legend('', frameon=False)
axes_dictionary['histogram'].tick_params(**{'axis': 'x',
                                            'bottom': True,
                                            'color': 'white',
                                            'direction': 'inout',
                                            'length': 3.0,
                                            'pad': 7.0,
                                            'top': False,
                                            'which': 'major',
                                            'width': 1.0,
                                            'zorder': 1.0})
axes_dictionary['histogram'].tick_params(**{'axis': 'x',
                                            'bottom': False,
                                            'color': 'white',
                                            'direction': 'inout',
                                            'length': 5.0,
                                            'pad': 4.0,
                                            'top': False,
                                            'which': 'minor',
                                            'width': 5.0,
                                            'zorder': 1.0})
axes_dictionary['histogram'].tick_params(**{'axis': 'y',
                                            'color': 'white',
                                            'direction': 'out',
                                            'left': False,
                                            'length': 3.0,
                                            'pad': 7.0,
                                            'right': False,
                                            'which': 'major',
                                            'width': 1.0,
                                            'zorder': 1.0})
axes_dictionary['histogram'].tick_params(**{'axis': 'y',
                                            'color': 'white',
                                            'direction': 'inout',
                                            'left': False,
                                            'length': 2.0,
                                            'pad': 4.0,
                                            'right': False,
                                            'which': 'minor',
                                            'width': 1.0,
                                            'zorder': 1.0})
axes_dictionary['histogram'].grid(**{'axis': 'x', 'visible': False, 'which': 'major'})
axes_dictionary['histogram'].grid(**{'axis': 'x', 'visible': False, 'which': 'minor'})
axes_dictionary['histogram'].grid(**{'axis': 'y', 'visible': False, 'which': 'major'})
axes_dictionary['histogram'].tick_params(**{'axis': 'x', 'labelbottom': True, 'which': 'major'})
axes_dictionary['histogram'].tick_params(**{'axis': 'y', 'labelbottom': True, 'which': 'major'})
plt.show()

我正在使用 matplotlib、xarray 和 cartopy 绘制一些数据的轮廓图。使用 ax.contourf 实例绘制数据轮廓图，生成下图中的颜色条。然后我屏蔽数组并填充所有等于零的值。

我想在颜色条的左侧添加一个额外的条，就像我在 GIMP 中构建的那样

我想象这会在 fig.colorbar() 调用之前执行，对原始 contourf 句柄进行操作，但无法弄清楚如何做到这一点。

谢谢任何建议。

最小样本如下，产生下图：

import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import numpy as np
    
fig = plt.figure()
ax = plt.axes(projection = ccrs.Mollweide(central_longitude=96))
ax.coastlines()

X = np.arange(-180,180,1)
Y = np.arange(-90,91,1)
X_grid, Y_grid = np.meshgrid(X,Y)
Z = np.random.random_sample((len(Y),len(X))).round(1)
Z.sort()

levels = [0,0.05,0.25,0.5,0.75,0.85,1]
CS = ax.contourf(X_grid,Y_grid,Z,transform = ccrs.PlateCarree(), cmap='plasma', transform_first=True, levels=levels)
HS = ax.contourf(X_grid,Y_grid,np.ma.masked_not_equal(Z,0),transform=ccrs.PlateCarree(),colors='none', levels=[-0.01,0.01],hatches=['X','X'], transform_first=True)

cbar = fig.colorbar(CS, orientation='horizontal', aspect=40, location='top')

编辑：有一种解决方案我不喜欢，因为它不够稳健，即独立于颜色条定义阴影矩形，缩小颜色条，明确定义矩形补丁锚点和大小，然后将矩形添加到图中。我在以下代码片段中完成了此操作，生成了以下图像（请忽略我还对颜色条的比例或相对于颜色条的刻度位置进行了更改）：

import matplotlib.patches as mpatches
hrect = mpatches.Rectangle((.0.9185, 0.8998), 0.057, 0.0395, ec='k',hatch='XXX', transform=fig.transFigure, figure=fig, fill=False)
fig.patches.extend([hrect])

这不是一个令人满意的答案，因为如果图形大小发生变化、地理轴发生变化等，矩形位置将相对于颜色条位置而变化。理想情况下，这个矩形将粘在颜色条对象的末尾，但这似乎是不可能的。在进行更改时，至少让所有内容保持一致的一种方法是使用 gridspec 定义特定的颜色条轴，然后在与 cax 相邻的单独 gridspec 子图中绘制矩形。同样，这并不优雅。

我的目标是使用标记按特定顺序选择点。想象一下选择棋盘的边缘（我知道使用 opencv 有自动技术，但我需要手动选项）。使用以下代码，我可以在图像上绘制标记。我想枚举列表中的标记及其相应的顺序x。y

import matplotlib.pyplot as plt
import numpy as np

img = plt.imread("image.png") 
x = np.random.rand(1, 20)*img.shape[1]
y = np.random.rand(1, 20)*img.shape[0]
size = 50

plt.imshow(img, cmap="gray") # plot image
plt.scatter(x, y, size, c="r", marker="+") # plot markers
plt.show()

这是我想要的结果的示例：

如何在此程序中显示包含每个点的特定信息的工具提示？我在这个论坛上找到了这样做的例子，但对于这个例子来说，使用在“for boucle”中创建的 plt.scatter 并不容易重现

它应该为每个点返回不同的信息（例如，此处为 1 到 50 之间的数字），但如何获取鼠标悬停处的值？这里只有最后一个点在鼠标悬停时获得了工具提示

import matplotlib.pyplot as plt

fig,ax=plt.subplots()

for i in range(0,50):scatter=ax.scatter(i+1,i+1)

annot=ax.annotate("",xy=(0,0),xytext=(10,10),textcoords="offset points",bbox=dict(boxstyle="round",fc="white"))
annot.set_visible(False)

def update_annot(ind):
    pos = scatter.get_offsets()[ind["ind"][0]]
    annot.xy = pos
    text = "TEST"
    annot.set_text(text)

def hover(event):
    vis = annot.get_visible()
    if event.inaxes == ax:
        cont, ind = scatter.contains(event)
        if cont:
            update_annot(ind)
            annot.set_visible(True)
            fig.canvas.draw_idle()
        else:
            if vis:
                annot.set_visible(False)
                fig.canvas.draw_idle()

fig.canvas.mpl_connect("motion_notify_event", hover)

plt.show()

‘