Matplotlib 离散色标

你可以跟随 下面的例子或者 文档中新添加的例子

#!/usr/bin/env python
"""
Use a pcolor or imshow with a custom colormap to make a contour plot.


Since this example was initially written, a proper contour routine was
added to matplotlib - see contour_demo.py and
http://matplotlib.sf.net/matplotlib.pylab.html#-contour.
"""


from pylab import *




delta = 0.01
x = arange(-3.0, 3.0, delta)
y = arange(-3.0, 3.0, delta)
X,Y = meshgrid(x, y)
Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
Z = Z2 - Z1 # difference of Gaussians


cmap = cm.get_cmap('PiYG', 11)    # 11 discrete colors


im = imshow(Z, cmap=cmap, interpolation='bilinear',
vmax=abs(Z).max(), vmin=-abs(Z).max())
axis('off')
colorbar()


show()

产生以下图像:

我想你会想看看 色彩来生成你的颜色图，或者如果你只是需要一个静态的颜色图，我一直在 一个应用程序的工作，可能会有帮助。

您可以创建一个自定义的离散颜色条非常容易使用边界范围作为正常化您的散射。奇怪的地方(在我的方法中)是使0显示为灰色。

对于图像，我经常使用 cmap.set _ bad ()并将我的数据转换为一个简单的掩码数组。这将是更容易使0灰色，但我不能得到这与散射或自定义 cmap 工作。

作为一种替代方法，您可以从头开始创建自己的 cmap，或者读出现有的 cmap，然后只覆盖一些特定的条目。

import numpy as np
import matplotlib as mpl
import matplotlib.pylab as plt


fig, ax = plt.subplots(1, 1, figsize=(6, 6))  # setup the plot


x = np.random.rand(20)  # define the data
y = np.random.rand(20)  # define the data
tag = np.random.randint(0, 20, 20)
tag[10:12] = 0  # make sure there are some 0 values to show up as grey


cmap = plt.cm.jet  # define the colormap
# extract all colors from the .jet map
cmaplist = [cmap(i) for i in range(cmap.N)]
# force the first color entry to be grey
cmaplist[0] = (.5, .5, .5, 1.0)


# create the new map
cmap = mpl.colors.LinearSegmentedColormap.from_list(
'Custom cmap', cmaplist, cmap.N)


# define the bins and normalize
bounds = np.linspace(0, 20, 21)
norm = mpl.colors.BoundaryNorm(bounds, cmap.N)


# make the scatter
scat = ax.scatter(x, y, c=tag, s=np.random.randint(100, 500, 20),
cmap=cmap, norm=norm)


# create a second axes for the colorbar
ax2 = fig.add_axes([0.95, 0.1, 0.03, 0.8])
cb = plt.colorbar.ColorbarBase(ax2, cmap=cmap, norm=norm,
spacing='proportional', ticks=bounds, boundaries=bounds, format='%1i')


ax.set_title('Well defined discrete colors')
ax2.set_ylabel('Very custom cbar [-]', size=12)

我个人认为，20种不同的颜色有点难以阅读的具体价值，但这当然取决于你。

要设置一个高于或低于颜色映射范围的值，需要使用颜色映射的 set_over和 set_under方法。如果您想标记一个特定的值，那么屏蔽它(即创建一个屏蔽数组) ，并使用 set_bad方法。(查看基本颜色图类 http://matplotlib.org/api/colors_api.html#matplotlib.colors.Colormap的文档)

听起来你想要这样的东西:

import matplotlib.pyplot as plt
import numpy as np


# Generate some data
x, y, z = np.random.random((3, 30))
z = z * 20 + 0.1


# Set some values in z to 0...
z[:5] = 0


cmap = plt.get_cmap('jet', 20)
cmap.set_under('gray')


fig, ax = plt.subplots()
cax = ax.scatter(x, y, c=z, s=100, cmap=cmap, vmin=0.1, vmax=z.max())
fig.colorbar(cax, extend='min')


plt.show()

以上的答案都很好，只是颜色栏上没有正确的蜱虫位置。我喜欢在颜色的中间有刻度，这样数字-> 颜色映射就更清晰了。您可以通过更改 matshow 调用的限制来解决这个问题:

import matplotlib.pyplot as plt
import numpy as np


def discrete_matshow(data):
# get discrete colormap
cmap = plt.get_cmap('RdBu', np.max(data) - np.min(data) + 1)
# set limits .5 outside true range
mat = plt.matshow(data, cmap=cmap, vmin=np.min(data) - 0.5,
vmax=np.max(data) + 0.5)
# tell the colorbar to tick at integers
cax = plt.colorbar(mat, ticks=np.arange(np.min(data), np.max(data) + 1))


# generate data
a = np.random.randint(1, 9, size=(10, 10))
discrete_matshow(a)

我一直在研究这些想法，这里是我的五分钱的价值。它避免调用 BoundaryNorm以及将 norm指定为 scatter和 colorbar的参数。然而，我找不到办法消除相当冗长的呼叫 matplotlib.colors.LinearSegmentedColormap.from_list。

一些背景是 matplotlib 提供了所谓的定性颜色图，用于处理离散数据。例如，Set1有9种容易区分的颜色，而 tab20可以用于20种颜色。有了这些地图，就可以很自然地使用它们的第一个 n 个颜色来对 n 个类别的地图进行颜色分散，如下面的例子所示。该示例还生成一个带有适当标记的 n 个离散颜色的颜色条。

import matplotlib, numpy as np, matplotlib.pyplot as plt
n = 5
from_list = matplotlib.colors.LinearSegmentedColormap.from_list
cm = from_list(None, plt.cm.Set1(range(0,n)), n)
x = np.arange(99)
y = x % 11
z = x % n
plt.scatter(x, y, c=z, cmap=cm)
plt.clim(-0.5, n-0.5)
cb = plt.colorbar(ticks=range(0,n), label='Group')
cb.ax.tick_params(length=0)

调用 Set1中的 n指定 该颜色图的第一个 n颜色，以及 from_list调用中的最后一个 n颜色 指定使用 n颜色构造映射(默认为256)。为了使用 plt.set_cmap将 cm设置为默认的颜色图，我发现有必要给它一个名称并注册它，即:

cm = from_list('Set15', plt.cm.Set1(range(0,n)), n)
plt.cm.register_cmap(None, cm)
plt.set_cmap(cm)
...
plt.scatter(x, y, c=z)

这个主题已经涵盖得很好了，但是我想添加一些更具体的东西: 我想确保某个值将被映射到该颜色(而不是任何颜色)。

这并不复杂，但由于它花了我一些时间，它可能会帮助其他人不像我那样浪费那么多时间:)

import matplotlib
from matplotlib.colors import ListedColormap


# Let's design a dummy land use field
A = np.reshape([7,2,13,7,2,2], (2,3))
vals = np.unique(A)


# Let's also design our color mapping: 1s should be plotted in blue, 2s in red, etc...
col_dict={1:"blue",
2:"red",
13:"orange",
7:"green"}


# We create a colormar from our list of colors
cm = ListedColormap([col_dict[x] for x in col_dict.keys()])


# Let's also define the description of each category : 1 (blue) is Sea; 2 (red) is burnt, etc... Order should be respected here ! Or using another dict maybe could help.
labels = np.array(["Sea","City","Sand","Forest"])
len_lab = len(labels)


# prepare normalizer
## Prepare bins for the normalizer
norm_bins = np.sort([*col_dict.keys()]) + 0.5
norm_bins = np.insert(norm_bins, 0, np.min(norm_bins) - 1.0)
print(norm_bins)
## Make normalizer and formatter
norm = matplotlib.colors.BoundaryNorm(norm_bins, len_lab, clip=True)
fmt = matplotlib.ticker.FuncFormatter(lambda x, pos: labels[norm(x)])


# Plot our figure
fig,ax = plt.subplots()
im = ax.imshow(A, cmap=cm, norm=norm)


diff = norm_bins[1:] - norm_bins[:-1]
tickz = norm_bins[:-1] + diff / 2
cb = fig.colorbar(im, format=fmt, ticks=tickz)
fig.savefig("example_landuse.png")
plt.show()