Numpy Array在Matplotlib中使用多边形切片

Question

这似乎是一个相当直接的问题，但我是Python的新手，我正在努力解决它。我有一个由两个numpy数组产生的散点图/热图（大约25,000条信息）。 y轴直接取自一个数组，x轴由两个数组上的简单减法运算生成。

我现在需要做的是切片数据，以便我可以使用属于图上特定参数的选择。例如，我需要提取所有属于平行四边形内的点：

我能切出使用简单的不等式矩形（见下面的索引idx_c，idx_h和idx，），但我真的需要一个使用更复杂的几何体来选择点的方法。看起来这种切片可以通过指定多边形的顶点来完成。这是关于最接近我能找到一个解决方案，但我想不出如何实现它：

http://matplotlib.org/api/nxutils_api.html#matplotlib.nxutils.points_inside_poly

理想情况下，我真的需要一个类似于下面的索引，即像colorjh[idx]。最终，我必须绘制不同的数量（例如，colorjh[idx] vs colorhk[idx]），因此索引需要可转移到数据集中的所有数组（大量数组）。也许这很明显，但我会想象有些解决方案可能不那么灵活。换句话说，我将使用这个图来选择我感兴趣的点，然后我需要这些索引为来自同一个表的其他数组工作。

这里是我的工作代码：

import numpy as np 
from numpy import ndarray 
import matplotlib.pyplot as plt 
import matplotlib 
import atpy 
from pylab import * 

twomass = atpy.Table() 

twomass.read('/IRSA_downloads/2MASS_GCbox1.tbl') 

hmag = list([twomass['h_m']]) 
jmag = list([twomass['j_m']]) 
kmag = list([twomass['k_m']]) 

hmag = np.array(hmag) 
jmag = np.array(jmag) 
kmag = np.array(kmag) 

colorjh = np.array(jmag - hmag) 
colorhk = np.array(hmag - kmag) 

idx_c = (colorjh > -1.01) & (colorjh < 6) #manipulate x-axis slicing here here 
idx_h = (hmag > 0) & (hmag < 17.01)  #manipulate y-axis slicing here 
idx = idx_c & idx_h 

# heatmap below 
heatmap, xedges, yedges = np.histogram2d(hmag[idx], colorjh[idx], bins=200) 
extent = [yedges[0], yedges[-1], xedges[-1], xedges[0]] 
plt.clf() 
plt.imshow(heatmap, extent=extent, aspect=0.65) 

plt.xlabel('Color(J-H)', fontsize=15)   #adjust axis labels here 
plt.ylabel('Magnitude (H)', fontsize=15) 

plt.gca().invert_yaxis()  #I put this in to recover familiar axis orientation 

plt.legend(loc=2) 
plt.title('CMD for Galactic Center (2MASS)', fontsize=20) 
plt.grid(True) 
colorbar() 

plt.show() 

就像我说的，我是新来的Python，所以少行话-Y的解释越有可能我就可以实现它。谢谢你们可以提供的任何帮助。

Answer 1

a = np.random.randint(0,10,(100,100)) 

x = np.linspace(-1,5.5,100) # tried to mimic your data boundaries 
y = np.linspace(8,16,100) 
xx, yy = np.meshgrid(x,y) 

m = np.all([yy > xx**2, yy < 10* xx, xx < 4, yy > 9], axis = 0)