如何使用色彩映射表(比如jet
)在matplotlib中使用在运行时提供的标量值来设置线条的颜色?我在这里尝试了几种不同的方法,我想我被难住了。values[]
是一个存储的标量数组。曲线是一组一维的数组,标签是文本字符串的数组。每个数组具有相同的长度。
fig = plt.figure()
ax = fig.add_subplot(111)
jet = colors.Colormap('jet')
cNorm = colors.Normalize(vmin=0, vmax=values[-1])
scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=jet)
lines = []
for idx in range(len(curves)):
line = curves[idx]
colorVal = scalarMap.to_rgba(values[idx])
retLine, = ax.plot(line, color=colorVal)
#retLine.set_color()
lines.append(retLine)
ax.legend(lines, labels, loc='upper right')
ax.grid()
plt.show()
发布于 2012-01-20 02:34:10
您收到的错误是由于您定义jet
的方式造成的。您正在创建名为‘Colormap
’的基类jet,但这与获取'jet‘色彩映射的默认定义有很大不同。这个基类永远不应该被直接创建,只有子类应该被实例化。
你在你的例子中发现了Matplotlib中的一个错误行为。在运行此代码时,应该会生成更清晰的错误消息。
这是您的示例的更新版本:
import matplotlib.pyplot as plt
import matplotlib.colors as colors
import matplotlib.cm as cmx
import numpy as np
# define some random data that emulates your indeded code:
NCURVES = 10
np.random.seed(101)
curves = [np.random.random(20) for i in range(NCURVES)]
values = range(NCURVES)
fig = plt.figure()
ax = fig.add_subplot(111)
# replace the next line
#jet = colors.Colormap('jet')
# with
jet = cm = plt.get_cmap('jet')
cNorm = colors.Normalize(vmin=0, vmax=values[-1])
scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=jet)
print scalarMap.get_clim()
lines = []
for idx in range(len(curves)):
line = curves[idx]
colorVal = scalarMap.to_rgba(values[idx])
colorText = (
'color: (%4.2f,%4.2f,%4.2f)'%(colorVal[0],colorVal[1],colorVal[2])
)
retLine, = ax.plot(line,
color=colorVal,
label=colorText)
lines.append(retLine)
#added this to get the legend to work
handles,labels = ax.get_legend_handles_labels()
ax.legend(handles, labels, loc='upper right')
ax.grid()
plt.show()
结果是:
使用ScalarMappable
是对我的相关答案中提出的方法的改进:creating over 20 unique legend colors using matplotlib
发布于 2015-11-25 07:40:30
我认为将我认为更简单的方法与matplotlib的cm类型的对象结合起来使用numpy的linspace会更有好处。上面的解决方案可能是针对较旧版本的。我使用的是python 3.4.3、matplotlib 1.4.3和numpy 1.9.3,我的解决方案如下。
import matplotlib.pyplot as plt
from matplotlib import cm
from numpy import linspace
start = 0.0
stop = 1.0
number_of_lines= 1000
cm_subsection = linspace(start, stop, number_of_lines)
colors = [ cm.jet(x) for x in cm_subsection ]
for i, color in enumerate(colors):
plt.axhline(i, color=color)
plt.ylabel('Line Number')
plt.show()
这将产生1000条唯一颜色的线条,这些线条覆盖了整个cm.jet色彩映射表,如下图所示。如果您运行此脚本,您会发现您可以放大各个行。
现在假设我希望我的1000行颜色只跨越400到600行之间的绿色部分。我只需将开始和停止值更改为0.4和0.6,这将导致仅使用0.4到0.6之间的20%的cm.jet颜色映射。
因此,在一行摘要中,您可以相应地从matplotlib.cm色彩映射表创建rgba颜色列表:
colors = [ cm.jet(x) for x in linspace(start, stop, number_of_lines) ]
在本例中,我使用了通常调用的名为jet的映射,但您可以通过调用以下命令找到matplotlib版本中可用的色彩映射的完整列表:
>>> from matplotlib import cm
>>> dir(cm)
发布于 2017-04-15 01:46:12
来自matplotlib
的线条样式、标记和定性颜色的组合
import itertools
import matplotlib as mpl
import matplotlib.pyplot as plt
N = 8*4+10
l_styles = ['-','--','-.',':']
m_styles = ['','.','o','^','*']
colormap = mpl.cm.Dark2.colors # Qualitative colormap
for i,(marker,linestyle,color) in zip(range(N),itertools.product(m_styles,l_styles, colormap)):
plt.plot([0,1,2],[0,2*i,2*i], color=color, linestyle=linestyle,marker=marker,label=i)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.,ncol=4);
更新:不仅支持ListedColormap
,还支持LinearSegmentedColormap
import itertools
import matplotlib.pyplot as plt
Ncolors = 8
#colormap = plt.cm.Dark2# ListedColormap
colormap = plt.cm.viridis# LinearSegmentedColormap
Ncolors = min(colormap.N,Ncolors)
mapcolors = [colormap(int(x*colormap.N/Ncolors)) for x in range(Ncolors)]
N = Ncolors*4+10
l_styles = ['-','--','-.',':']
m_styles = ['','.','o','^','*']
fig,ax = plt.subplots(gridspec_kw=dict(right=0.6))
for i,(marker,linestyle,color) in zip(range(N),itertools.product(m_styles,l_styles, mapcolors)):
ax.plot([0,1,2],[0,2*i,2*i], color=color, linestyle=linestyle,marker=marker,label=i)
ax.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.,ncol=3,prop={'size': 8})
https://stackoverflow.com/questions/8931268
复制相似问题