Markevery 演示

的markevery属性Line2D允许在数据点的子集上绘制标记。

可能的参数列表在 中指定Line2D.set_markevery。简而言之：

• 单个整数 N 绘制每个第 N 个标记。

• 一个整数元组 (start, N) 绘制每个第 N 个标记，从数据索引start 开始。

• 整数列表在指定索引处绘制标记。

• 切片在切片索引处绘制标记。

• 浮点数将标记之间的距离指定为屏幕空间中轴对角线的一部分。这将导致沿线的点在视觉上均匀分布，而与比例和缩放无关。

import numpy as np
import matplotlib.pyplot as plt

# define a list of markevery cases to plot
cases = [
    None,
    8,
    (30, 8),
    [16, 24, 32],
    [0, -1],
    slice(100, 200, 3),
    0.1,
    0.4,
    (0.2, 0.4)
]

# data points
delta = 0.11
x = np.linspace(0, 10 - 2 * delta, 200) + delta
y = np.sin(x) + 1.0 + delta

带有线性刻度的标记

fig, axs = plt.subplots(3, 3, figsize=(10, 6), constrained_layout=True)
for ax, markevery in zip(axs.flat, cases):
    ax.set_title(f'markevery={markevery}')
    ax.plot(x, y, 'o', ls='-', ms=4, markevery=markevery)

带有对数刻度的标记

请注意，当使用整数对数据进行二次采样时，对数刻度会导致标记距离的视觉不对称。相反，对图形大小的分数进行二次采样会创建均匀分布，因为它基于轴对角线的分数，而不是数据坐标或数据索引。

fig, axs = plt.subplots(3, 3, figsize=(10, 6), constrained_layout=True)
for ax, markevery in zip(axs.flat, cases):
    ax.set_title(f'markevery={markevery}')
    ax.set_xscale('log')
    ax.set_yscale('log')
    ax.plot(x, y, 'o', ls='-', ms=4, markevery=markevery)

缩放图上的 markevery

基于整数的markevery规范从基础数据中选择点并且独立于视图。相反，基于浮点的规范与轴对角线相关。虽然缩放不会改变 Axes 对角线，但它会改变显示的数据范围，并且缩放时会显示更多的点。

fig, axs = plt.subplots(3, 3, figsize=(10, 6), constrained_layout=True)
for ax, markevery in zip(axs.flat, cases):
    ax.set_title(f'markevery={markevery}')
    ax.plot(x, y, 'o', ls='-', ms=4, markevery=markevery)
    ax.set_xlim((6, 6.7))
    ax.set_ylim((1.1, 1.7))

上的markevery

r = np.linspace(0, 3.0, 200)
theta = 2 * np.pi * r

fig, axs = plt.subplots(3, 3, figsize=(10, 6), constrained_layout=True,
                        subplot_kw={'projection': 'polar'})
for ax, markevery in zip(axs.flat, cases):
    ax.set_title(f'markevery={markevery}')
    ax.plot(theta, r, 'o', ls='-', ms=4, markevery=markevery)

plt.show()