Datashader：使用手动 RGB 颜色绘图

Question

我想使用 python 中的 Datashader 模块做类似于 pyplot.scatter 的事情，为每个点独立指定一个单独的 (x,y), RGB\hex 值：

#what i'd like to do, but using Datashader:
import numpy as np
#make sample arrays
n = int(1e+8)
point_array = np.random.normal(0, 1, [n, 2])
color_array = np.random.randint(0, 256, [n, 3])/255  # RGB. I can
#convert between it and hex if needed

#the part I need - make an image similar to plt.scatter, using datashader instead:
import matplotlib.pyplot as plt
fig = plt.figure()
plot = fig.add_subplot(111)

fig.canvas.draw()

plot.scatter(point_array[:, 0], point_array[:, 1], c=color_array)
img = np.fromstring(fig.canvas.tostring_rgb(), dtype=np.uint8, sep='')
img = img.reshape(fig.canvas.get_width_height()[::-1] + (3,))

因此 img 是一个 RGB numpy 数组（或 PIL 数组，或任何可以通过 python 保存为图像的数组）

我尝试过的事情

我看过 datashader.Canvas.points 以及它如何处理 3 维 pandas 数组，我认为我可以将它与仅红色、仅绿色和仅"linear interpolation" 的蓝色值在标签之间，但我没能真正让它发挥作用（陷入了 pandas 的困境，因为我大部分时间都只使用 numpy）。

Answer 1

我认为你上面的代码可以简化为：

import numpy as np, pandas as pd, matplotlib.pyplot as plt
%matplotlib inline

np.random.seed(0)
n = int(1e+4)
p = np.random.normal(0, 1, [n, 2])
c = np.random.randint(0, 256, [n, 3])/255.0

plt.scatter(p[:,0], p[:,1], c=c);

如果数据着色器提供一种方便的方法来处理 RGB 值，那就太好了（请随意打开一个问题请求！），但现在您可以计算每个点的平均 R、G、B 值：

import datashader as ds, datashader.transfer_functions as tf

df  = pd.DataFrame.from_dict(dict(x=p[:,0], y=p[:,1], r=c[:,0], g=c[:,1], b=c[:,2]))
cvs = ds.Canvas(plot_width=70, plot_height=40)
a   = cvs.points(df,'x','y', ds.summary(r=ds.mean('r'),g=ds.mean('g'),b=ds.mean('b')))

结果将是包含 r、g、b 通道的 Xarray 数据集，每个通道的比例为 0 到 1.0。然后，您可以根据需要将这些通道组合成图像，例如使用 HoloViews：

import holoviews as hv
hv.extension('bokeh')

hv.RGB(np.dstack([a.r.values, a.g.values, a.b.values])).options(width=450, invert_yaxis=True)

请注意，Datashader 目前仅支持无限小的点，而不是 disks/filled 圆圈，就像您的 Matplotlib 示例一样，这就是为什么我使用如此小的分辨率（使点可见以进行比较）。扩展 Datashader 以呈现具有非零范围的形状会很有用，但它不在当前路线图上。

Datashader：使用手动 RGB 颜色绘图

Datashader: plot with manual RGB colors

python

graphics

datashader