이 랩에서는 Matplotlib 에서 선택 (picking) 의 개념을 소개합니다. 아티스트를 선택하는 능력은 사용자 작업에 반응하는 대화형 시각화를 구축하는 데 사용할 수 있는 강력한 도구입니다. 간단한 선택, 사용자 정의 히트 테스트 함수를 사용한 선택, 산점도에서 선택, 이미지 선택을 다룰 것입니다.
VM 시작이 완료되면 왼쪽 상단을 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 액세스하십시오.
때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한 사항으로 인해 작업의 유효성 검사는 자동화할 수 없습니다.
학습 중에 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 즉시 해결해 드리겠습니다.
아티스트의 "picker" 속성을 설정하여 간단한 선택을 활성화하는 것으로 시작합니다. 이렇게 하면 마우스 이벤트가 아티스트 위에 있는 경우 아티스트가 선택 이벤트를 발생시킬 수 있습니다. 선, 사각형 및 텍스트를 포함하는 간단한 플롯을 만들고 각 아티스트에서 선택을 활성화합니다.
fig, (ax1, ax2) = plt.subplots(2, 1)
ax1.set_title('click on points, rectangles or text', picker=True)
ax1.set_ylabel('ylabel', picker=True, bbox=dict(facecolor='red'))
line, = ax1.plot(rand(100), 'o', picker=True, pickradius=5)
## Pick the rectangle.
ax2.bar(range(10), rand(10), picker=True)
for label in ax2.get_xticklabels(): ## Make the xtick labels pickable.
label.set_picker(True)이 단계에서는 picker 를 호출 가능한 함수로 설정하여 사용자 정의 선택기를 정의합니다. 이 함수는 아티스트가 마우스 이벤트에 의해 히트되었는지 여부를 결정합니다. 마우스 이벤트가 아티스트 위에 있으면 hit=True 를 반환하고 props 는 .PickEvent 속성에 추가하려는 속성의 딕셔너리입니다.
def line_picker(line, mouseevent):
"""
Find the points within a certain distance from the mouseclick in
data coords and attach some extra attributes, pickx and picky
which are the data points that were picked.
"""
if mouseevent.xdata is None:
return False, dict()
xdata = line.get_xdata()
ydata = line.get_ydata()
maxd = 0.05
d = np.sqrt(
(xdata - mouseevent.xdata)**2 + (ydata - mouseevent.ydata)**2)
ind, = np.nonzero(d <= maxd)
if len(ind):
pickx = xdata[ind]
picky = ydata[ind]
props = dict(ind=ind, pickx=pickx, picky=picky)
return True, props
else:
return False, dict()
def onpick2(event):
print('onpick2 line:', event.pickx, event.picky)
fig, ax = plt.subplots()
ax.set_title('custom picker for line data')
line, = ax.plot(rand(100), rand(100), 'o', picker=line_picker)
fig.canvas.mpl_connect('pick_event', onpick2)산점도는 ~matplotlib.collections.PathCollection에 의해 지원됩니다. 산점도를 생성하고 선택을 활성화합니다.
x, y, c, s = rand(4, 100)
def onpick3(event):
ind = event.ind
print('onpick3 scatter:', ind, x[ind], y[ind])
fig, ax = plt.subplots()
ax.scatter(x, y, 100*s, c, picker=True)
fig.canvas.mpl_connect('pick_event', onpick3).Axes.imshow를 사용하여 플롯된 이미지는 ~matplotlib.image.AxesImage 객체입니다. 여러 이미지가 있는 그림을 생성하고 선택을 활성화합니다.
fig, ax = plt.subplots()
ax.imshow(rand(10, 5), extent=(1, 2, 1, 2), picker=True)
ax.imshow(rand(5, 10), extent=(3, 4, 1, 2), picker=True)
ax.imshow(rand(20, 25), extent=(1, 2, 3, 4), picker=True)
ax.imshow(rand(30, 12), extent=(3, 4, 3, 4), picker=True)
ax.set(xlim=(0, 5), ylim=(0, 5))
def onpick4(event):
artist = event.artist
if isinstance(artist, AxesImage):
im = artist
A = im.get_array()
print('onpick4 image', A.shape)
fig.canvas.mpl_connect('pick_event', onpick4)이 랩에서는 선, 사각형, 텍스트, 산점도 및 이미지를 포함하여 Matplotlib 의 다양한 아티스트 (artist) 에서 선택을 활성화하는 방법을 배웠습니다. 또한, 더 복잡한 선택 동작을 활성화하기 위해 사용자 정의 히트 테스트 함수 (hit test functions) 를 정의하는 방법도 배웠습니다. 이 강력한 도구를 사용하면 사용자 작업에 응답하는 대화형 시각화를 만들 수 있습니다.