问Matplotlib自定义发散渐变忽略颜色
EN

Stack Overflow用户

提问于 2017-08-24 00:49:03

回答 1查看 1.1K关注 0票数 2

我一直在为python开发一些数据绘图功能，我的研究需要的一个这样的工具是一组差异图表，用于比较两组数据之间的变化。

我现在想要绘制我的数据，我正在考虑创建自定义颜色映射来处理不同的数据，但是到目前为止，我的所有绘制要么忽略了渐变中的特定步骤，要么为我的低值重复了颜色。

下面是一个生成的示例图：

以及我的自定义颜色映射和绘图的代码：

diffmap_17 = ["#FF0000", "#F81318", "#F12731", "#EB3B4A", "#EB5C66", "#EB7D82", "#EB9E9E", "#F1BEBE", "#F8DEDE", "#FFFFFF", "#DDDCFD", "#BCB9FB", "#9B96FA", "#6A6CFA", "#3A43FA", "#1D21FC", "#0000FF"]
diffmap_17_colormap = matplotlib.colors.ListedColormap(diffmap_17)

contour_levels = [-20, -10, -5, -2, -1, -0.75, -0.5, -0.25, -0.1, 0.0, 0.1, 0.25, 0.5, 0.75, 1, 2, 5, 10, 20]
cs = m.contourf(x,y,data,contour_levels,cmap=diffmap_17_colormap) #plot total

我的目标是让颜色图的零点是白色的，然后向外发散(红色为负，蓝色为正)。目前，我使用标准的颜色映射，但是使用自定义的颜色映射会更好。

任何帮助都将不胜感激。谢谢!

matplotlib

colormap

python

回答 1

Stack Overflow用户

回答已采纳

发布于 2017-08-24 09:53:05

问题是，通过将最小值和最大值之间的范围划分为相等的部分，从色彩映射表中选择颜色。由于大多数级别彼此非常接近，它们落入相同的范围，因此具有相同的颜色。

最简单的解决方案不是使用色彩映射表，而是使用一个图，其中每个级别都从colorlist中获取其颜色。在这种情况下，您可以将颜色列表直接提供给contourf绘图。

plt.contourf(x,y,data,contour_levels,colors=diffmap_17)

注意，因为你有19个级别，所以你的列表需要18种颜色(因此我增加了一种颜色)。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors

x, y= np.meshgrid(np.linspace(-3,3), np.linspace(-3,3))
r = np.sqrt(x**2+y**2)
data = np.tan((r*0.7-1.5))*1.3

diffmap_17 = ["#FF0000", "#F81318", "#F12731", "#EB3B4A", "#EB5C66", "#EB7D82", 
              "#EB9E9E", "#F1BEBE", "#F8DEDE", "#FFFFFF", "#DDDCFD", "#BCB9FB", 
              "#9B96FA", "#6A6CFA", "#3A43FA", "#1D21FC", "#0000FF", "#0000ce"]

contour_levels = [-20, -10, -5, -2, -1, -0.75, -0.5, -0.25, -0.1, 0.0, 
                  0.1, 0.25, 0.5, 0.75, 1, 2, 5, 10, 20]
cs = plt.contourf(x,y,data,contour_levels,colors=diffmap_17)

plt.colorbar(cs)

plt.show()

如果要使用色彩映射表，则需要提供一个规范化实例和色彩映射表。matplotlib.colors.BoundaryNorm将根据提供给它的边界列表选择颜色，该列表将是等高线图的级别列表。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors

x, y= np.meshgrid(np.linspace(-3,3), np.linspace(-3,3))
r = np.sqrt(x**2+y**2)
data = np.tan((r*0.7-1.5))*1.3

diffmap_17 = ["#FF0000", "#F81318", "#F12731", "#EB3B4A", "#EB5C66", "#EB7D82", 
              "#EB9E9E", "#F1BEBE", "#F8DEDE", "#FFFFFF", "#DDDCFD", "#BCB9FB", 
              "#9B96FA", "#6A6CFA", "#3A43FA", "#1D21FC", "#0000FF", "#0000ce"]
diffmap_17_colormap = matplotlib.colors.ListedColormap(diffmap_17)

contour_levels = [-20, -10, -5, -2, -1, -0.75, -0.5, -0.25, -0.1, 0.0, 
                  0.1, 0.25, 0.5, 0.75, 1, 2, 5, 10, 20]
norm = matplotlib.colors.BoundaryNorm(contour_levels, diffmap_17_colormap.N)
cs = plt.contourf(x,y,data,contour_levels,cmap=diffmap_17_colormap, norm=norm)

plt.colorbar(cs)

plt.show()