Question

如果您有来自

的色彩映射表

cmap = matplotlib.cm.get_cmap('Spectral')

如何从0到1之间获取特定的颜色，其中0.0是地图中的第一种颜色，1.0是地图中的最后一种颜色？

理想情况下，我可以通过以下方式获取地图中的中间颜色：

>>> do_some_magic(cmap, 0.5) # Return an RGBA tuplet
(0.1, 0.2, 0.3, 1.0)

Answer 1

您可以使用下面的代码执行此操作，问题中的代码实际上非常接近您所需的内容，您只需调用您拥有的cmap对象。

import matplotlib

cmap = matplotlib.cm.get_cmap('Spectral')

rgba = cmap(0.5)
print(rgba) # (0.99807766255210428, 0.99923106502084169, 0.74602077638401709, 1.0)

对于超出范围[0.0,1.0]的值，它将返回欠色和高色（分别）。默认情况下，这是范围内的最小和最大颜色（因此0.0和1.0）。可以使用cmap.set_under()和cmap_set_over()更改此默认设置。

对于＆＃34;特殊＆＃34; np.nan和np.inf之类的数字默认使用0.0值，这可以使用cmap.set_bad()更改，类似于上面的under和over。

最后，您可能需要对数据进行规范化，使其符合范围[0.0, 1.0]。这可以使用matplotlib.colors.Normalize完成，只需如下面的小示例所示，其中参数vmin和vmax分别描述了应将哪些数字映射到0.0和1.0。

import matplotlib

norm = matplotlib.colors.Normalize(vmin=10.0, vmax=20.0)

print(norm(15.0)) # 0.5

对数标准化器（matplotlib.colors.LogNorm）也可用于具有大范围值的数据范围。

（感谢Joe Kington和tcaswell提供有关如何改进答案的建议。）

Answer 2

为了得到rgba整数值而不是浮点值，我们可以做

rgba = cmap(0.5,bytes=True)

因此，为了根据Ffisegydd的答案简化代码，代码将是这样的：

#import colormap
from matplotlib import cm

#normalize item number values to colormap
norm = matplotlib.colors.Normalize(vmin=0, vmax=1000)

#colormap possible values = viridis, jet, spectral
rgba_color = cm.jet(norm(400),bytes=True) 

#400 is one of value between 0 and 1000

Answer 3

我正好遇到了这个问题，但我需要连续的图来具有高度对比的颜色。我还使用包含参考数据的公共子图绘制图，因此我希望颜色序列始终可重复。

我最初尝试简单地随机生成颜色，在每个绘图之前重新播种 RNG。这工作正常（在下面的代码中注释掉），但可能会产生几乎无法区分的颜色。我想要高度对比的颜色，最好从包含所有颜色的颜色图中采样。

我可以在一个图中包含多达 31 个数据系列，因此我将颜色图分成了许多步骤。然后我按顺序走几步，确保我不会很快回到给定颜色的附近。

我的数据是一个高度不规则的时间序列，所以我想查看点和线，点的颜色与线的“相反”。

鉴于上述所有内容，最简单的方法是生成带有相关参数的字典来绘制各个系列，然后将其扩展为调用的一部分。

这是我的代码。也许不漂亮，但实用。

from matplotlib import cm
cmap = cm.get_cmap('gist_rainbow')  #('hsv') #('nipy_spectral')

max_colors = 31   # Constant, max mumber of series in any plot.  Ideally prime.
color_number = 0  # Variable, incremented for each series.

def restart_colors():
    global color_number
    color_number = 0
    #np.random.seed(1)

def next_color():
    global color_number
    color_number += 1
    #color = tuple(np.random.uniform(0.0, 0.5, 3))
    color = cmap( ((5 * color_number) % max_colors) / max_colors )
    return color

def plot_args():  # Invoked for each plot in a series as: '**(plot_args())'
    mkr = next_color()
    clr = (1 - mkr[0], 1 - mkr[1], 1 - mkr[2], mkr[3])  # Give line inverse of marker color
    return {
        "marker": "o",
        "color": clr,
        "mfc": mkr,
        "mec": mkr,
        "markersize": 0.5,
        "linewidth": 1,
    }

我的上下文是 JupyterLab 和 Pandas，所以这是示例情节代码：

restart_colors()  # Repeatable color sequence for every plot

fig, axs = plt.subplots(figsize=(15, 8))
plt.title("%s + T-meter"%name)

# Plot reference temperatures:
axs.set_ylabel("°C", rotation=0)
for s in ["T1", "T2", "T3", "T4"]:
    df_tmeter.plot(ax=axs, x="Timestamp", y=s, label="T-meter:%s" % s, **(plot_args()))

# Other series gets their own axis labels
ax2 = axs.twinx()
ax2.set_ylabel(units)

for c in df_uptime_sensors:
    df_uptime[df_uptime["UUID"] == c].plot(
        ax=ax2, x="Timestamp", y=units, label="%s - %s" % (units, c), **(plot_args())
    )

fig.tight_layout()
plt.show()

结果图可能不是最好的例子，但当交互式放大时它变得更加相关。

Answer 4

要以Ffisegydd和amaliammr的解决方案为基础，下面的示例为自定义颜色图制作CSV表示形式：

#! /usr/bin/env python3
import matplotlib
import numpy as np 

vmin = 0.1
vmax = 1000

norm = matplotlib.colors.Normalize(np.log10(vmin), np.log10(vmax))
lognum = norm(np.log10([.5, 2., 10, 40, 150,1000]))

cdict = {
    'red':
    (
        (0., 0, 0),
        (lognum[0], 0, 0),
        (lognum[1], 0, 0),
        (lognum[2], 1, 1),
        (lognum[3], 0.8, 0.8),
        (lognum[4], .7, .7),
    (lognum[5], .7, .7)
    ),
    'green':
    (
        (0., .6, .6),
        (lognum[0], 0.8, 0.8),
        (lognum[1], 1, 1),
        (lognum[2], 1, 1),
        (lognum[3], 0, 0),
        (lognum[4], 0, 0),
    (lognum[5], 0, 0)
    ),
    'blue':
    (
        (0., 0, 0),
        (lognum[0], 0, 0),
        (lognum[1], 0, 0),
        (lognum[2], 0, 0),
        (lognum[3], 0, 0),
        (lognum[4], 0, 0),
    (lognum[5], 1, 1)
    )
}


mycmap = matplotlib.colors.LinearSegmentedColormap('my_colormap', cdict, 256)   
norm = matplotlib.colors.LogNorm(vmin, vmax)
colors = {}
count = 0
step_size = 0.001
for value in np.arange(vmin, vmax+step_size, step_size):
    count += 1
    print("%d/%d %f%%" % (count, vmax*(1./step_size), 100.*count/(vmax*(1./step_size))))
    rgba = mycmap(norm(value), bytes=True)
    color = (rgba[0], rgba[1], rgba[2])
    if color not in colors.values():
        colors[value] = color

print ("value, red, green, blue")
for value in sorted(colors.keys()):
    rgb = colors[value]
    print("%s, %s, %s, %s" % (value, rgb[0], rgb[1], rgb[2]))

Answer 5

为完整起见，这些是我到目前为止遇到的cmap选择：

Accent，Accent_r，Blues，Blues_r，BrBG，BrBG_r，BuGn，BuGn_r，BuPu， BuPu_r，CMRmap，CMRmap_r，Dark2，Dark2_r，GnBu，GnBu_r，绿色， Greens_r，Greys，Greys_r，OrRd，OrRd_r，Oranges，Oranges_r，PRGn， PRGn_r，成对，成对_r，Pastel1，Pastel1_r，Pastel2，Pastel2_r， PiYG，PiYG_r，PuBu，PuBuGn，PuBuGn_r，PuBu_r，PuOr，PuOr_r，PuRd， PuRd_r，Purples，Purples_r，RdBu，RdBu_r，RdGy，RdGy_r，RdPu，RdPu_r， RdYlBu，RdYlBu_r，RdYlGn，RdYlGn_r，Reds，Reds_r，Set1，Set1_r，Set2， Set2_r，Set3，Set3_r，Spectral，Spectral_r，Wistia，Wistia_r，YlGn， YlGnBu，YlGnBu_r，YlGn_r，YlOrBr，YlOrBr_r，YlOrRd，YlOrRd_r，affhot， afmhot_r，秋天，autumn_r，二进制，binary_r，骨骼，bone_r，brg， brg_r，bwr，bwr_r，cividis，cividis_r，cool，cool_r，coolwarm， coolwarm_r，铜，copper_r，cubehelix，cubehelix_r，标志，flag_r， gist_earth，gist_earth_r，gist_gray，gist_gray_r，gist_heat， gist_heat_r，gist_ncar，gist_ncar_r，gist_rainbow，gist_rainbow_r， gist_stern，gist_stern_r，gist_yarg，gist_yarg_r，gnuplot，gnuplot2， gnuplot2_r，gnuplot_r，gray，gray_r，hot，hot_r，hsv，hsv_r，地狱， inferno_r，jet，jet_r，岩浆，岩浆_r，nipy_spectral，nipy_spectral_r，海洋，ocean_r，粉红色，pink_r，等离子，plasma_r，棱镜，prismic_r，彩虹，rainbow_r，地震，argument_r，春季，spring_r，夏季， summer_r，tab10，tab10_r，tab20，tab20_r，tab20b，tab20b_r，tab20c， tab20c_r，terrain，terrain_r，twilight，twilight_r，twilight_shifted， twilight_shifted_r，viridis，viridis_r，冬天，winter_r

从matplotlib中的颜色贴图中获取单个颜色

5 个答案: