python 如何计算滑块距离 python 滑动条

简 介： 本文给出了在 Python 语言中使用 MATPLOTLIB 时，通过增加按键，滑动条来完成人机交互界面的调整功能。 这样可以提高对于数据分析的灵活性。

关键词： MATPLOTLIB，滑动条

滑动条应用

目 录
Contents

添加滑动条

增加交互函数

更多的交互功能

总 结

 

§01 滑动条应用

---

在博文 Things We Can Do With Matplotlib Slider in Python 中给出了 Python 中 MATPLOTLIB 中增加滑动条，来帮助动态改变显示参数的使用方法。

一、添加滑动条

  为了突出 Slider 的交互功能， 下面给出了一个利用 Spline（样条） 光滑逼近一个带有噪声的数据应用。 带有噪声的数据为

x = np.linspace(0, 10, 20)
y = np.sin(0.5 * x) * np.sin(x * np.random.randn(20))

  为了在 MATLABPLOT 中给出绘制 Slider，先对 plot 底部进行了调整， 通过

plt.subplots_adjust(bottom=.25)

  将绘制图像底部上调了 25%， 这为绘制 Slider 留下的空间。 然后定义了 Slider 的位置和参数。

ax_slide=plt.axes([.25,.1,.65,.03])
s_factor=Slider(ax_slide,"changing value",valmin=0.2,valmax=1.0,valinit=.6,valstep=.05)

  在上面 ax_slide 参数中， 使用 plt.axes 定义了 Slider 位置， 四个参数分别是 左边， 上边， 宽度以及高度值。

  下面是绘制出的曲线以及滑动条。

▲ 图1.1.2 增加了一个Slider

  完整的代码为：

import numpy as np
from scipy.interpolate import UnivariateSpline
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider
x = np.linspace(0, 10, 20)
y = np.sin(0.5 * x) * np.sin(x * np.random.randn(20))
 
spline = UnivariateSpline(x, y, s=5)
x_s = np.linspace(0, 10, 100)
y_s = spline(x_s)
fig = plt.figure()
plt.subplots_adjust(bottom=.25)
ax = fig.subplots()
p = ax.plot(x, y)
p = ax.plot(x_s, y_s, 'y')
ax_slide=plt.axes([.25,.1,.65,.03])
s_factor=Slider(ax_slide,"changing value",valmin=0.2,valmax=1.0,valinit=.6,valstep=.05)
 
fig = plt.figure()
plt.show()

  使用鼠标点击或者拖拽滑动条，可以看到滑动条会产生相应的变化，以及对应的设定值在改变。

▲ 图1.2 使用鼠标操作滑动条

二、增加交互函数

  光有 Slider 的滑动还无法完成交互， 下面通过定义 Slider 的 on_changed 函数，来对每一次 Slider 值改变动态调整图像处理后参数。 下面代码定义了 Slider 更新处理函数 update()， 并动态修正样条函数的参数。

  完整的代码为：

import matplotlib
matplotlib.use('Qt5Agg')
import numpy as np
from scipy.interpolate import UnivariateSpline
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider
 
x = np.linspace(0, 10, 20)
y = np.sin(0.5 * x) * np.sin(x * np.random.randn(20))
 
spline = UnivariateSpline(x, y, s=5)
x_spline = np.linspace(0, 10, 100)
y_spline = spline(x_spline)
 
fig = plt.figure()
plt.subplots_adjust(bottom=0.25)
ax = fig.subplots()
p = ax.plot(x, y)
p, = ax.plot(x_spline, y_spline, 'y')
 
ax_slide = plt.axes([0.25, 0.1, 0.65, 0.03])
 
s_factor = Slider(ax_slide, 'changing factor',
                  1, 5, valinit=2.5, valstep=0.5)
 
def update(val):
    current_v = s_factor.val
    spline = UnivariateSpline(x, y, s=current_v)
    p.set_ydata(spline(x_spline))
    fig.canvas.draw()
 
s_factor.on_changed(update)
plt.show()

  下面展示了每次拖动滑动条，都可以引起数据重新按照新的参数进行样条插值并进行绘图。

▲ 图1.3 拖动滑动条，动态改变样条函数参数

  通过下面的代码，可以改变滑动条的颜色。

s_factor = Slider(ax_slide, 'changing factor',
                  1, 5, valinit=2.5, valstep=0.5,color="red")

▲ 图1.4 滑动条的颜色改变成红色

三、更多的交互功能

  除了可以增加 Slider 之外， 还可以给 MATPLOTLIB 增加按钮， 单选按钮等功能。 通过这些按钮操作也可以增加相应的人机交互功能。 下面给出了一个带有三个交互功能的例子：

• 带有一个单选按钮组，用于选择三种颜色：red, blue, green
• 带有一个滑动条，用于控制曲线横坐标的比例；
• 带有一个按钮，用于复位滑动条参数；

  下面显示了这个界面的操作特性。

▲ 图1.1.3 增加有完整的Slider演示

  下面给出了上面示例的完整代码。

import matplotlib
matplotlib.use('Qt5Agg')
from numpy import pi, sin
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider, Button, RadioButtons
def signal(amp, freq):
    return amp * sin(2 * pi * freq * t)
axis_color = 'lightgoldenrodyellow'
fig = plt.figure()
ax = fig.add_subplot(111)
fig.subplots_adjust(left=0.25, bottom=0.25)
t = np.arange(-10, 10.0, 0.001)
[line] = ax.plot(t, signal(5, 2), linewidth=2, color='red')
ax.set_xlim([0, 1])
ax.set_ylim([-10, 10])
zoom_slider_ax = fig.add_axes([0.25, 0.1, 0.65, 0.03], facecolor=axis_color)
zoom_slider = Slider(zoom_slider_ax, 'Zoom', -1, 1, valinit=0)
def sliders_on_changed(val, scale_factor=0.25):
    cur_xlim = ax.get_xlim()
    cur_ylim = ax.get_ylim()
    scale = zoom_slider.val*scale_factor
    x_left = 0 + scale
    x_right = 1 - scale
    y_top = 10 - scale*10
    y_bottom = -10 + scale*10
    ax.set_xlim([x_left, x_right])
    ax.set_ylim([y_bottom, y_top])
    fig.canvas.draw_idle()
zoom_slider.on_changed(sliders_on_changed)
reset_button_ax = fig.add_axes([0.8, 0.025, 0.1, 0.04])
reset_button = Button(reset_button_ax, 'Reset', color=axis_color, hovercolor='0.975')
def reset_button_on_clicked(mouse_event):
    zoom_slider.reset()
reset_button.on_clicked(reset_button_on_clicked)
color_radios_ax = fig.add_axes([0.025, 0.5, 0.15, 0.15], facecolor=axis_color)
color_radios = RadioButtons(color_radios_ax, ('red', 'blue', 'green'), active=0)
def color_radios_on_clicked(label):
    line.set_color(label)
    fig.canvas.draw_idle()
color_radios.on_clicked(color_radios_on_clicked)
plt.show()

 

※ 总

---

本文给出了在 Python 语言中使用 MATPLOTLIB 时，通过增加按键，滑动条来完成人机交互界面的调整功能。 这样可以提高对于数据分析的灵活性。

#!/usr/local/bin/python
# -*- coding: gbk -*-
#============================================================
# TEST1.PY                     -- by Dr. ZhuoQing 2022-06-02
#
# Note:
#============================================================

from headm import *

from scipy.interpolate import UnivariateSpline
from matplotlib.widgets import Slider


x = linspace(0, 10, 20)
y = sin(0.5 * x) * sin(x * random.randn(20))

spline = UnivariateSpline(x, y, s=5)
x_s = linspace(0, 10, 100)
y_s = spline(x_s)

plt.subplots_adjust(bottom=.25)
p = plt.plot(x, y)
p, = plt.plot(x_s, y_s, 'y')

ax_slide=plt.axes([.25,.1,.65,.03])
s_factor=Slider(ax_slide,"Changing Factor",valmin=0.5,valmax=5,valinit=2.5,valstep=.25)

def update(val):
    current_v = s_factor.val
    spline = UnivariateSpline(x,y,s=current_v)
    p.set_ydata(spline(x_s))
    plt.figure().canvas.draw()

s_factor.on_changed(update)

plt.show()


#------------------------------------------------------------
#        END OF FILE : TEST1.PY
#============================================================

---

■ 相关文献链接:

• Things We Can Do With Matplotlib Slider in Python

● 相关图表链接:

• 图1.1.2 增加了一个Slider
• 图1.2 使用鼠标操作滑动条
• 图1.3 拖动滑动条，动态改变样条函数参数
• 图1.4 滑动条的颜色改变成红色
• 图1.1.3 增加有完整的Slider演示