Matplotlib离散色条

Question

我正在尝试为matplotlib

中的散点图创建一个离散颜色条

我有我的x，y数据，每个点都有一个整数标记值，我希望用唯一的颜色表示，例如

plt.scatter(x, y, c=tag)

通常tag会是一个0到20之间的整数，但确切的范围可能会改变

到目前为止，我刚刚使用了默认设置，例如

plt.colorbar()

提供连续的颜色范围。理想情况下，我想要一组n个离散颜色（在这个例子中n = 20）。更好的方法是将标签值设为0以产生灰色，1-20为彩色。

我找到了一些'cookbook'脚本，但它们非常复杂，我不认为它们是解决看似简单问题的正确方法

Answer 1

您可以使用BoundaryNorm作为散点图的规范化器，轻松创建自定义离散颜色条。古怪的位（在我的方法中）将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numpy蒙面数组。这将更容易使0灰色，但我无法使用散点图或自定义cmap。

作为替代方案，您可以从头开始创建自己的cmap，或者读出现有的cmap并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，有20种不同的颜色，有点难以阅读具体的价值，但当然这取决于你。

Answer 2

您可以按照example：

进行操作

#!/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：

Answer 3

要设置高于或低于色彩映射范围的值，您需要使用色彩映射的set_over和set_under方法。如果要标记特定值，请屏蔽它（即创建一个屏蔽数组），并使用set_bad方法。 （请查看基色图类的文档：http://matplotlib.org/api/colors_api.html#matplotlib.colors.Colormap）

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()

Answer 4

上述答案很好，除非它们在色条上没有正确的刻度位置。我喜欢在颜色中间有刻度，以便数字 - ＆gt;颜色映射更清晰。您可以通过更改matshow调用的限制来解决此问题：

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)-.5, vmax = np.max(data)+.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)

Answer 5

这个主题已经很好地涵盖了，但是我想添加一些更具体的内容：我想确保将某个值映射到该颜色（而不是任何颜色）。

这并不复杂，但是花了我一些时间，它可能会帮助其他人避免浪费我很多时间：）

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()

Answer 6

我一直在研究这些想法，这是我的五分钱。它避免了调用BoundaryNorm以及将norm指定为scatter和colorbar的参数。但是，我找不到消除对matplotlib.colors.LinearSegmentedColormap.from_list的冗长调用的方法。

某些背景是matplotlib提供了所谓的定性色图，旨在与离散数据一起使用。 Set1例如具有9种易于区分的颜色，而tab20可用于20种颜色。使用这些贴图，很自然地使用其前n种颜色来对具有n个类别的散点图进行颜色着色，如以下示例所示。该示例还生成了一个颜色条，其中正确标记了n种离散颜色。

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)

产生下面的图像。对n的调用中的Set1指定 该色图的前n种颜色，以及对n的调用中的末尾from_list 指定使用n颜色（默认值为256）构建地图。为了使用cm将plt.set_cmap设置为默认颜色图，我发现有必要给它命名并注册它，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)

Answer 7

我认为你想看看colors.ListedColormap生成你的色彩映射，或者如果你只需要一个静态色彩映射我一直在研究an app可能会有所帮助。