我有以下代码:
import matplotlib.pyplot as plt
cdict = {
'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}
cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)
plt.clf()
plt.pcolor(X, Y, v, cmap=cm)
plt.loglog()
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.colorbar()
plt.show()
因此,这将使用指定的色彩映射表在X轴与Y轴上生成值'v‘的图形。X轴和Y轴是完美的,但是色彩映射表分布在v的最小和最大值之间。我想强制色彩映射表在0到1之间。
我想使用:
plt.axis(...)
来设置轴的范围,但这只接受X和Y的最小和最大值的参数,而不是色彩映射表。
编辑:
为了清楚起见,假设我有一个图的值范围是(0 ... 0.3),另一个图的值是(0.2 ... 0.8)。
在这两个图中,我希望colorbar的范围是(0 ... 1)。在这两个图中,我希望使用上面的cdict全范围的颜色范围是相同的(所以两个图中的0.25将是相同的颜色)。在第一张图中,0.3和1.0之间的所有颜色都不会出现在图表中,但会出现在旁边的颜色栏键中。在另一种情况下,0和0.2之间以及0.8和1之间的所有颜色将不会出现在图形中,但会出现在侧面的颜色栏中。
发布于 2010-07-31 04:01:35
使用vmin
和vmax
强制设置颜色的范围。下面是一个例子:
import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np
cdict = {
'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}
cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)
x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)
data = 2*( np.sin(X) + np.sin(3*Y) )
def do_plot(n, f, title):
#plt.clf()
plt.subplot(1, 3, n)
plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)
plt.title(title)
plt.colorbar()
plt.figure()
do_plot(1, lambda x:x, "all")
do_plot(2, lambda x:np.clip(x, -4, 0), "<0")
do_plot(3, lambda x:np.clip(x, 0, 4), ">0")
plt.show()
发布于 2010-07-31 04:51:54
发布于 2010-07-30 18:03:49
不确定这是否是最优雅的解决方案(这就是我使用的),但您可以将数据缩放到0到1之间的范围,然后修改colorbar:
import matplotlib as mpl
...
ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)
cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,
norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))
cbar.set_clim(-2.0, 2.0)
使用这两个不同的限制,您可以控制色条的范围和图例。在本例中,条形图中只显示了-0.5到1.5之间的范围,而色彩映射表覆盖了-2到2(因此,这可能是您在缩放之前记录的数据范围)。
因此,不是缩放色彩映射表,而是缩放数据并使颜色条与之匹配。
https://stackoverflow.com/questions/3373256
复制相似问题