Python+matplotlib進(jìn)行鼠標(biāo)交互，實(shí)現(xiàn)動(dòng)態(tài)標(biāo)注，數(shù)據(jù)可視化顯示，鼠標(biāo)劃過時(shí)畫一條豎線并使用標(biāo)簽來顯示當(dāng)前值。

Python3.6.5，代碼示例：

import matplotlib.pyplot as pltimport numpy as npdef Show(y):#參數(shù)為一個(gè)listlen_y = len(y)x = range(len_y)_y = [y[-1]]*len_yfig = plt.figure(figsize=(960/72,360/72))ax1 = fig.add_subplot(1,1,1)ax1.plot(x, y, color=’blue’)line_x = ax1.plot(x, _y, color=’skyblue’)[0]line_y = ax1.axvline(x=len_y-1, color=’skyblue’)ax1.set_title(’aaa’)#標(biāo)簽text0 = plt.text(len_y-1,y[-1],str(y[-1]),fontsize = 10)def scroll(event):axtemp=event.inaxesx_min, x_max = axtemp.get_xlim()fanwei_x = (x_max - x_min) / 10if event.button == ’up’:axtemp.set(xlim=(x_min + fanwei_x, x_max - fanwei_x))elif event.button == ’down’:axtemp.set(xlim=(x_min - fanwei_x, x_max + fanwei_x))fig.canvas.draw_idle() #這個(gè)函數(shù)實(shí)時(shí)更新圖片的顯示內(nèi)容def motion(event):try:temp = y[int(np.round(event.xdata))]for i in range(len_y):_y[i] = templine_x.set_ydata(_y)line_y.set_xdata(event.xdata)######text0.set_position((event.xdata, temp))text0.set_text(str(temp))fig.canvas.draw_idle() # 繪圖動(dòng)作實(shí)時(shí)反映在圖像上except:passfig.canvas.mpl_connect(’scroll_event’, scroll)fig.canvas.mpl_connect(’motion_notify_event’, motion)plt.show()

效果演示：

補(bǔ)充知識(shí)：matplotlib獲取鼠標(biāo)所在位置的axes

手頭的項(xiàng)目遇到一個(gè)問題，如何獲取鼠標(biāo)所在位置的axes對(duì)應(yīng)的obspy.core.trace。在繪制axes時(shí)，我設(shè)置了一個(gè)數(shù)組用來保存每一個(gè)trace所對(duì)應(yīng)的axes，這樣比較方便繪制標(biāo)簽。但我的項(xiàng)目需要對(duì)繪制的圖像做放大縮小以及拖拽，這需要我單獨(dú)對(duì)一個(gè)axes來進(jìn)行相應(yīng)的操作。那么如何通過axes來獲得對(duì)應(yīng)的trace呢？我想了這幾個(gè)辦法：

1.設(shè)置一個(gè)hash表，記錄每一個(gè)axes與trace的對(duì)應(yīng)情況，通過鼠標(biāo)操作傳入的event，可以得到當(dāng)前axes的引用地址，以這個(gè)引用地址作為關(guān)鍵字查找hash表，獲取對(duì)應(yīng)trace。

2.通過axes引用地址定位到mpl的axes數(shù)組，通過axes數(shù)組的下標(biāo)來訪問繪制時(shí)設(shè)置的數(shù)組獲得trace。

3.獲取axes.label的內(nèi)容，作為關(guān)鍵字去遍歷obspy.core.stream，獲取trace。

4.通過event獲取鼠標(biāo)位置，在結(jié)合畫布大小通過計(jì)算得到數(shù)組下標(biāo)，在訪問繪制時(shí)設(shè)置的數(shù)組可以得到trace

前三種方法都不能保證一定能獲取到trace,并且有出錯(cuò)的風(fēng)險(xiǎn)，但是如果可以實(shí)現(xiàn)，可靠性是大于最后一種，但是最后一種實(shí)現(xiàn)起來是最簡(jiǎn)單的，明天我再思考如何通過matplotlib的鼠標(biāo)事件來獲取對(duì)應(yīng)的trace

后來發(fā)現(xiàn)，可以采用第三種方法。訪問event.inaxes來獲得

以上這篇python中matplotlib實(shí)現(xiàn)隨鼠標(biāo)滑動(dòng)自動(dòng)標(biāo)注代碼就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持好吧啦網(wǎng)。