本系列文章配套代码获取有以下两种途径：
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1jG-rGG4QMuZu0t0kEEl7SA?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/Data_Visualization箭头图（Quiver Plot）是一种用于显示二维向量场的可视化方法，又称向量图。每个箭头都有方向（箭头指向）和大小（箭头长度），广泛应用于物理场分析（如电场、磁场）、流体力学模拟、数据趋势展示等场景。
函数语法：
plt.quiver([X, Y], U, V, [C], /, **kwargs)-
基础参数（必选）：
-
X, Y：数组或标量，箭头起点的 x、y 坐标。若为数组，需与U, V形状一致；若为标量，则所有箭头起点相同。 -
U, V：数组或标量，箭头在 x、y 方向的分量（决定箭头方向和长度）。
-
向量样式参数：
-
C：数组或标量，可选参数，用于箭头颜色映射的数值。若提供，箭头颜色将根据此值通过cmap映射，覆盖color参数。
-
angles：角度计算方式，字符串或数组。取值包括，‘uv’（箭头角度由(U, V)计算，默认）、‘xy’（箭头角度基于数据坐标，x 轴正方向为 0°，逆时针递增）、数组（直接指定每个箭头的角度，弧度制）。
-
scale：浮点数，默认None，箭头长度缩放因子。值越大箭头越短，scale=1表示 1 个数据单位对应 1 个图像单位长度。
-
scale_units：字符串，默认None，与scale配合使用的单位。‘xy’（以数据坐标单位缩放）、‘inches’/’dots’（以物理单位英寸 / 像素缩放）。
-
箭头头部参数：
-
width：浮点数，箭头杆的宽度（以数据坐标为单位，默认0.005）。
-
headwidth：浮点数，箭头头部的宽度（相对于杆宽的倍数，默认3）。
-
headlength：浮点数，箭头头部的长度（相对于杆宽的倍数，默认5）。
-
headaxislength：浮点数，箭头头部中轴长度（相对于杆宽的倍数，默认4.5）。
-
minshaft：浮点数，箭头杆的最小长度（相对于头部长度的倍数，默认1）。
-
minlength：浮点数，箭头的最小总长度（以头部长度为单位，默认1）。
-
minlength：浮点数，箭头的最小总长度（以头部长度为单位，默认1）。
-
颜色与外观参数：
-
color：颜色或颜色序列，箭头的统一颜色（若指定C则此参数失效）。
-
cmap：Colormap 对象或字符串，C参数的颜色映射方案（如‘viridis’）。
-
norm：Normalize 对象，可选，用于将C的值标准化到[0,1]范围（控制颜色映射范围）。
-
alpha：浮点数[0,1]，箭头的透明度。
-
edgecolor：颜色或‘face’，箭头边缘颜色（‘face’表示与填充色一致）。
-
linewidth/lw：浮点数，箭头边缘线宽。
-
其他参数：
-
pivot：字符串，默认‘tail’，箭头的旋转支点位置。取值包括，‘tail’（以箭头尾部为支点）、‘middle’（以箭头中部为支点）、‘tip’（以箭头尖端为支点）。
-
units：字符串，默认‘width’，width参数的参考单位（‘width’/’height’/’dots’等）。
-
ax：Axes 对象，可选，指定绘制箭头图的子图（默认使用当前子图）。
-
**kwargs：其他通用参数（如label用于图例标注）。
通过调整这些参数，可以灵活控制箭头图的视觉效果。
# 创建网格
x = np.arange(0, 2.2, 0.2)
y = np.arange(0, 2.2, 0.2)
X, Y = np.meshgrid(x, y)
# 定义向量场：计算每个箭头在x和y方向的分量（决定箭头方向和长度
U = np.cos(X) # x方向分量
V = np.sin(Y) # y方向分量
plt.figure(figsize=(8, 6))
# 绘制箭头图
plt.quiver(X, Y, U, V,
scale=20, # 箭头长度缩放因子，值越大箭头越短
color='red', # 箭头填充颜色为红色
width=0.005, # 箭头杆的宽度（以数据坐标为单位）
headwidth=3, # 箭头头部宽度（为杆宽的3倍）
headlength=5, # 箭头头部长度（为杆宽的5倍）
edgecolor='black', # 箭头边缘颜色为黑色
minshaft=3, # 箭头杆的最小长度（为头部长度的3倍）
linewidth=0.8 # 箭头边缘线宽
)
plt.title('基本箭头图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.grid()
plt.show()
可视化结果如下图所示：
使用示例：
-
示例 1：带颜色映射的箭头图
当向量存在大小差异时（如流速场、电场强度分布），可通过C参数实现 “颜色映射”，让箭头颜色随向量大小变化，增强数据的层次感。
# 创建网格
x = np.arange(0, 2.2, 0.2)
y = np.arange(0, 2.2, 0.2)
X, Y = np.meshgrid(x, y)
# 定义向量场
U = np.cos(X) # x方向分量
V = np.sin(Y) # y方向分量
# 计算向量大小（用于颜色映射）
M = np.sqrt(U**2 + V**2)
plt.figure(figsize=(9, 6))
# 绘制彩色箭头
plt.quiver(X, Y, U, V,
M, # 颜色映射依据
cmap='viridis', # 指定颜色映射方案
scale=20
)
plt.colorbar(label='向量大小')
plt.title("带颜色映射的箭头图")
plt.show()
-
示例 2：根据返回值修改样式
quiver()函数会返回一个Quiver对象（所有箭头元素集合），可用于后续修改（例如，通过set_color()调整颜色）。
# 创建示例数据
x = np.linspace(0, 2*np.pi, 8)
y = np.linspace(0, 2*np.pi, 8)
X, Y = np.meshgrid(x, y)
U = np.cos(X)
V = np.sin(Y)
# 绘制初始箭头图并获取返回值
quiver_obj = plt.quiver(X, Y, U, V, scale=25)
# 通过返回值修改样式
quiver_obj.set_linestyle('--') # 设置线型
quiver_obj.set_edgecolor('black') # 边缘颜色
quiver_obj.set_facecolor('lightblue') # 填充颜色
quiver_obj.set_alpha(0.7) # 设置透明度
quiver_obj.set_linewidth(1.5) # 设置线宽
quiver_obj.set_edgecolor('black') # 设置边缘颜色
plt.title('通过返回值修改样式')
plt.show()
-
示例 3：与其他图表结合，增加视觉效果
将箭头图与其他图表结合使用，可以增强数据可视化的层次感和信息量。
例如，通过叠加散点图、热力图和等高线来增强数据可视化效果：
# 用于从自定义的颜色分段中创建线性渐变配色映射（Colormap）
from matplotlib.colors import LinearSegmentedColormap
# 1. 创建数据网格
x = np.linspace(-3, 3, 21) # x轴从-3到3，共21个点
y = np.linspace(-3, 3, 21) # y轴从-3到3，共21个点
X, Y = np.meshgrid(x, y) # 生成网格坐标
# 2. 计算向量场（箭头图数据）
U = -Y # x方向分量（逆时针旋转场）
V = X # y方向分量（逆时针旋转场）
magnitude = np.sqrt(U**2 + V**2) # 向量大小（用于颜色映射）
# 3. 计算背景数据（热力图和等高线）
Z = np.exp(-(X**2 + Y**2)/3) * np.cos(2 * np.sqrt(X**2 + Y**2))
# 4. 创建自定义颜色映射
colors = [(0.9, 0.9, 1), (0, 0, 0.8)] # 从浅蓝到深蓝
cmap_background = LinearSegmentedColormap.from_list("custom_blue", colors)
# 5. 创建图形
fig, ax = plt.subplots(figsize=(10, 8))
# 6. 绘制背景热力图（第一层）
heatmap = ax.imshow(
Z,
extent=[-3, 3, -3, 3], # 匹配网格范围
origin='lower', # 使坐标原点在左下角
cmap=cmap_background,
alpha=0.6 # 半透明，避免掩盖其他元素
)
# 7. 绘制等高线（第二层）
contour = ax.contour(
X, Y, Z,
levels=10, # 等高线数量
colors='gray', # 灰色线条
linewidths=0.8, # 线宽
alpha=0.7 # 半透明
)
ax.clabel(contour, inline=True, fontsize=8) # 添加等高线标签
# 8. 绘制箭头图（第三层）
quiver = ax.quiver(
X, Y, U, V,
magnitude, # 用向量大小作为颜色映射依据
cmap='plasma', # 箭头颜色映射
scale=40, # 箭头长度缩放
width=0.003, # 箭头宽度
headwidth=4, # 箭头头部宽度
alpha=0.8 # 箭头透明度
)
# 9. 绘制散点图（第四层，突出显示关键点）
# 找出Z值最大和最小的点
max_idx = np.unravel_index(np.argmax(Z), Z.shape)
min_idx = np.unravel_index(np.argmin(Z), Z.shape)
highlight_x = [X[max_idx], X[min_idx]]
highlight_y = [Y[max_idx], Y[min_idx]]
scatter = ax.scatter(
highlight_x, highlight_y,
c=['red', 'green'], # 红色标记最大值，绿色标记最小值
s=100, # 点大小
edgecolors='white', # 白色边缘
linewidths=2, # 边缘线宽
zorder=5 # 置于顶层
)
# 10. 添加颜色条和标注
cbar1 = fig.colorbar(heatmap, ax=ax, shrink=0.7, pad=0.02, label='背景场强度')
cbar2 = fig.colorbar(quiver, ax=ax, shrink=0.7, pad=0.1, label='向量场大小')
ax.set_title('箭头图与多图表结合的可视化示例', fontsize=14)
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.grid(True, linestyle='--', alpha=0.3) # 网格线
ax.set_aspect('equal') # 等比例显示
plt.tight_layout()
plt.show()
更多内容可以前往官网查看：
https://matplotlib.org/stable/
本篇文章来源于微信公众号: 码农设计师
