如何为Matplotlib散点图标记添加渐变阴影以展示不确定性？

核心解决方案 #

你可以直接使用带线性渐变填充的圆形Patch替代imshow的方案，这种方法基于Matplotlib的矢量图形系统，能完美保持圆形的宽高比，且不会导致轴范围异常变动，同时实现左右渐变来展示z±sigma的不确定性范围。

改进后的代码 #

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import Normalize
from matplotlib.patches import Circle
from matplotlib.colors import LinearSegmentedColormap

def scatter_uncertainty_circles(ax, x, y, z, sigma, cmap, radius=0.2):
    x, y, z, sigma = map(np.asarray, (x, y, z, sigma))
    norm = Normalize((z - sigma).min(), (z + sigma).max())

    for xi, yi, zi, si in zip(x, y, z, sigma):
        # 定义左右渐变的颜色：左(z-sigma) -> 右(z+sigma)
        left_color = cmap(norm(zi - si))
        right_color = cmap(norm(zi + si))
        # 创建水平方向的线性渐变
        grad = LinearSegmentedColormap.from_list(
            f"grad_{xi}_{yi}", [left_color, right_color]
        )
        # 创建带渐变填充的圆形Patch
        circle = Circle(
            (xi, yi), radius,
            edgecolor='black',
            facecolor='none'
        )
        circle.set_fill(True)
        circle.set_gradient("horizontal", grad)
        ax.add_patch(circle)

# Demo
np.random.seed(0)
x = np.linspace(-2, 2, 7)
y = np.linspace(-2, 0, 4)
X, Y = np.meshgrid(x, y)
X = X.ravel()
Y = Y.ravel()
Z = np.sin(X ** 2 + Y ** 2)
sigma = 0.1 + 0.7 * np.random.rand(len(X))
cmap = plt.get_cmap('viridis')

fig, ax = plt.subplots()
scatter_uncertainty_circles(ax, X, Y, Z, sigma, cmap)
sm = plt.cm.ScalarMappable(norm=Normalize((Z - sigma).min(), (Z + sigma).max()), cmap=cmap)
fig.colorbar(sm, ax=ax)
ax.set_aspect('equal')  # 强制保持圆形比例
ax.set_xlim(-2.5, 2.5)
ax.set_ylim(-2.5, 0.5)
plt.show()

关键改进点 #

• 基于矢量图形的Circle Patch绘制，完全匹配数据坐标系统，不会受轴宽高比影响，ax.set_aspect('equal')可进一步确保圆形不被拉伸。
• 避免了imshow自动调整轴范围的问题，所有元素的位置和尺寸都完全可控。
• 代码逻辑更简洁，性能比逐点绘制图像更高。

补充说明 #

如果需要调整渐变的细节（比如偏移量、渐变方向），可以修改set_gradient的参数，例如circle.set_gradient("horizontal", grad, offset=0.2)来微调渐变的起始位置。

内容的提问来源于stack exchange，提问作者Heisenbugs