Python – 用matplotlib畫出互動式圖像 [1]

在進行資料的視覺化時，我們很常會使用散佈圖來呈現，但是當我們想要知道圖片上特定的點其背後所代表的資料、圖像時，我們除了從座標去回推之外，可以透過hover annotation的方式來更直觀的讓使用者了解到該資料中所蘊含之資訊。

簡單來說，該功能就是使用matplotlib.pyplot畫圖，當滑鼠游標經過該資料點時，於其周圍顯示出該資料點之資訊，就像是下列影片中所展示的功能：

在這個討論串中有大大提供了一個簡單的範例程式，有興趣的讀者可以直接根據本程式碼來進行修改使用。

底下為分部詳解，有能力的讀者可以跳過：

	import matplotlib.pyplot as plt
	from matplotlib.offsetbox import OffsetImage, AnnotationBbox
	import numpy as np; np.random.seed(42)
	# Generate data x, y for scatter and an array of images.
	x = np.arange(20)
	y = np.random.rand(len(x))
	arr = np.empty((len(x),10,10))
	for i in range(len(x)):
	f = np.random.rand(5,5)
	arr[i, 0:5,0:5] = f
	arr[i, 5:,0:5] =np.flipud(f)
	arr[i, 5:,5:] =np.fliplr(np.flipud(f))
	arr[i, 0:5:,5:] = np.fliplr(f)
	# create figure and plot scatter
	fig = plt.figure()
	ax = fig.add_subplot(111)
	line, = ax.plot(x,y, ls=“”, marker=“o”)
	# create the annotations box
	im = OffsetImage(arr[0,:,:], zoom=5)
	xybox=(50, 50)
	ab = AnnotationBbox(im, (x[0],y[0]), xybox=xybox, xycoords=‘data’,
	boxcoords=“offset points”, pad=0.3, arrowprops=dict(arrowstyle=“->”))
	# add it to the axes and make it invisible
	ax.add_artist(ab)
	ab.set_visible(False)
	def hover(event):
	# if the mouse is over the scatter points
	if line.contains(event)[0]:
	# find out the index within the array from the event
	ind, = line.contains(event)[1][“ind”]
	# get the figure size
	w,h = fig.get_size_inches()*fig.dpi
	ws = (event.x > w/2.)*–1 + (event.x <= w/2.)
	hs = (event.y > h/2.)*–1 + (event.y <= h/2.)
	# if event occurs in the top or right quadrant of the figure,
	# change the annotation box position relative to mouse.
	ab.xybox = (xybox[0]*ws, xybox[1]*hs)
	# make annotation box visible
	ab.set_visible(True)
	# place it at the position of the hovered scatter point
	ab.xy =(x[ind], y[ind])
	# set the image corresponding to that point
	im.set_data(arr[ind,:,:])
	else:
	#if the mouse is not over a scatter point
	ab.set_visible(False)
	fig.canvas.draw_idle()
	# add callback for mouse moves
	fig.canvas.mpl_connect(‘button_press_event’, hover)

view raw hover_demo.py hosted with ❤ by GitHub

直接執行的話，會得到本文最一開始的圖片，將滑鼠移到點上時，就會在旁邊顯示出該點所連結到的圖片檔。

當然，matplotlib本身也有提供範例。

接下來進行本範例程式碼的說明：

	import matplotlib.pyplot as plt
	from matplotlib.offsetbox import OffsetImage, AnnotationBbox
	import numpy as np; np.random.seed(42)
	# Generate data x, y for scatter and an array of images.
	x = np.arange(20)
	y = np.random.rand(len(x))
	arr = np.empty((len(x),10,10))
	for i in range(len(x)):
	f = np.random.rand(5,5)
	arr[i, 0:5,0:5] = f
	arr[i, 5:,0:5] =np.flipud(f)
	arr[i, 5:,5:] =np.fliplr(np.flipud(f))
	arr[i, 0:5:,5:] = np.fliplr(f)

view raw hover_part_1.py hosted with ❤ by GitHub

首先我們一樣是將Library給匯入，除了常見的plt跟np之外呢，是這次功能的主要腳色：OffsetImage、AnnotationBbox。

我在讀這功能時，一直想到我怎樣都學不會的Bbox，不好意思扯遠了。

接下來，我們要畫散佈圖，那就必須要有資料，於是我們先將x令為一從0-19，共含20個數字的array，而y則是一含有20個隨機數字的array，len(x)只是為了方便，如果想要看更多點的話只要改變x = np.arange(20)中的數字即可。

接下來將20張10×10的隨機影像儲存在arr這個變數裡。製作方式，是先產生一個5×5的隨機矩陣，之後上下、左右翻轉填入先前製作好的空矩陣裡。

	# create figure and plot scatter
	fig = plt.figure()
	ax = fig.add_subplot(111)
	line, = ax.plot(x,y, ls=“”, marker=“o”)

view raw hover_part_2.py hosted with ❤ by GitHub

這一段就很直白了，先建立一個畫框叫做fig，在fig裡面加上一個繪圖區叫做ax，最後在ax裡面以x,y資料畫圖。

這邊值得一提的是，到底111代表什麼? 其實就是 1×1 張圖中的第1張。你也可以改成234這樣就是2×3張圖中的第四張。

在plot函數裡ls代表linestyle，這邊填上「””」表示不用畫線，因為plot這個函數是用來畫折線圖的，我們偷吃步假裝它是散佈圖。而marker就是代表點的圖示，有以下選擇：

上述三行執行完之後會得到這個靜態圖片：

	# create the annotations box
	im = OffsetImage(arr[0,:,:], zoom=5)
	xybox=(50., 50.)
	ab = AnnotationBbox(im, (50,50), xybox=xybox, xycoords=‘data’,
	boxcoords=“offset points”, pad=0.3, arrowprops=dict(arrowstyle=“->”))
	# add it to the axes and make it visible
	ax.add_artist(ab)
	ab.set_visible(True)

view raw hover_part_3.py hosted with ❤ by GitHub

這一段，則是製作要顯示在點旁邊的小圖示。首先我們將先前製作的隨機圖片中的第一個 (也就是arr[ 0 , : , : ])轉換成OffsetImage這個Class底下的一個物件，並稱之為im。

ab，是AnnotationBbox這個Class底下的一個物件，裡面包含了上面製作的im。 (50,50)表示該AnnotationBbox的位置，xybox則是距離該標示點的距離，不過第一個參數在底下的程式裡都會不斷的改變，所以在這邊只是先給一個初始值而已，並不太重要。而xycoords在官方文件中的說明如下：

簡單來說呢，用預設值data就好了。boxcoords後面的參數代表了使用與畫圖時相同的座標軸。pad則是邊示圖片的白色邊框大小。arrowprops則是指向該標註點的箭頭相關設定，想要修改的朋友可以往這邊走： 點我

最後兩行程式碼，則是在ax中加入我們剛剛製作好的小箱子，並使之顯示。

到這邊為止的範例程式碼如下：

	import matplotlib.pyplot as plt
	from matplotlib.offsetbox import OffsetImage, AnnotationBbox
	import numpy as np; np.random.seed(42)
	# Generate data x, y for scatter and an array of images.
	x = np.arange(20)
	y = np.random.rand(len(x))
	arr = np.empty((len(x),10,10))
	for i in range(len(x)):
	f = np.random.rand(5,5)
	arr[i, 0:5,0:5] = f
	arr[i, 5:,0:5] =np.flipud(f)
	arr[i, 5:,5:] =np.fliplr(np.flipud(f))
	arr[i, 0:5:,5:] = np.fliplr(f)
	# create figure and plot scatter
	fig = plt.figure()
	ax = fig.add_subplot(111)
	line, = ax.plot(x,y, ls=“”, marker=“o”)
	# create the annotations box
	im = OffsetImage(arr[0,:,:], zoom=5)
	xybox=(50, 50)
	ab = AnnotationBbox(im, (x[0],y[0]), xybox=xybox, xycoords=‘data’,
	boxcoords=“offset points”, pad=0.3, arrowprops=dict(arrowstyle=“->”))
	# add it to the axes and make it invisible
	ax.add_artist(ab)
	ab.set_visible(True)

view raw hover_part_4.py hosted with ❤ by GitHub

執行完畢之後，會得到下圖：

接下來就是我們的重頭戲了，該如何將互動性的功能給加上去。

	def hover(event):
	# if the mouse is over the scatter points
	if line.contains(event)[0]:
	# find out the index within the array from the event
	ind, = line.contains(event)[1][“ind”]
	# get the figure size
	w,h = fig.get_size_inches()*fig.dpi
	ws = (event.x > w/2.)*–1 + (event.x <= w/2.)
	hs = (event.y > h/2.)*–1 + (event.y <= h/2.)
	# if event occurs in the top or right quadrant of the figure,
	# change the annotation box position relative to mouse.
	ab.xybox = (xybox[0]*ws, xybox[1]*hs)
	# make annotation box visible
	ab.set_visible(True)
	# place it at the position of the hovered scatter point
	ab.xy =(x[ind], y[ind])
	# set the image corresponding to that point
	im.set_data(arr[ind,:,:])
	else:
	#if the mouse is not over a scatter point
	ab.set_visible(False)
	fig.canvas.draw_idle()

view raw hover_part_5.py hosted with ❤ by GitHub

我們自定義一個function 名叫hover，這個名字隨便我們取，你喜歡讓程式碼裡充滿屎尿的話也可以叫做shit。

其實每一行都有完整的註解了，那我這邊就不再多贅述。

最精華的，在這一行：

fig.canvas.mpl_connect(‘motion_notify_event’, hover)

view raw hover_part_6.py hosted with ❤ by GitHub

將我們在上頭所製作的fig給連結到我們方才定義的function，那當什麼時候要執行該hover功能呢?就是 “motion_notify_event”，它代表了當滑鼠有動作時，就呼叫後面的hover功能，當然也可以改，以下是可以選擇的列表：

如果今天我們替換成’button_press_event’，那就變成點擊之後才會顯示圖片，可以試試看。

好，以上就是如何製作互動式圖片的方式，那實際應用在Deep Learning中的話，就是在畫完t-SNE之後，可以透過滑鼠移動，來觀察特定群聚之間的圖片特性。

有任何問題，歡迎寫信給我。