matplotlib bwr-colormap，始终以零为中心

Question

我正在尝试绘制具有正数和负数的矩阵。数字将在-1到1的间隔内，但不在整个范围内。例如，数字有时可以在-0.2到+0.8的范围内（参见下面的代码）。 我想使用bwr-colormap（蓝色 - ＆gt;白色 - 红色），使零始终以白色进行颜色编码。 -1应该用最暗的蓝色进行颜色编码，+1应该用最暗的红色进行颜色编码。这是一个例子，其中两个图只能用它们的颜色条来区分。

import numpy
from matplotlib import pyplot as plt

# some arbitrary data to plot
x = numpy.linspace(0, 2*numpy.pi, 30)
y = numpy.linspace(0, 2*numpy.pi, 20)
[X, Y] = numpy.meshgrid(x, y)
Z = numpy.sin(X)*numpy.cos(Y)

fig = plt.figure()
plt.ion()
plt.set_cmap('bwr') # a good start: blue to white to red colormap

# a plot ranging from -1 to 1, hence the value 0 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 1)
plt.pcolor(X, Y, Z)
plt.colorbar()

# a plot ranging from -0.2 to 0.8 hence 0.3 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 2)
plt.pcolor(X, Y, Z*0.5 + 0.3)   # rescaled Z-Data
plt.colorbar()

此代码创建的图形可在此处看到：

如上所述，我正在寻找一种方法来始终使用相同的颜色对值进行颜色编码，其中-1：深蓝色，0：白色，+ 1：深红色。这是一个单行，我错过了什么或者我是否必须为此自己写点什么？

编辑： 在挖了一点点之后，我自己找到了一个令人满意的答案，没有触及色图，而是使用pcolor的可选输入（见下文）。 不过，我不会删除这个问题，因为在我发布这个问题并点击相关的问题/答案之前我找不到答案。另一方面，我不介意它是否被删除，因为如果正在寻找合适的关键字，可以在别处找到对这个问题的答案。

Answer 1

显然，我在挖了一会儿之后找到了答案。 pcolor提供可选输入vmin和vmax。如果我将它们分别设置为-1和1，它就能完全解决问题。然后，颜色编码似乎是相对于vmin和vmax，而不是相对于数据的最小值和最大值，其被绘制。所以将绘图命令（和注释）更改为

# a plot ranging from -1 to 1, where the value 0 is colorcoded in white
ax = fig.add_subplot(1, 2, 1)
plt.pcolor(X, Y, Z, vmin=-1, vmax=1) # vmin, vmax not needed here
plt.colorbar()

# a plot ranging from -0.2 to 0.8, where the value 0 is colorcoded in white
ax = fig.add_subplot(1, 2, 2)
plt.pcolor(X, Y, Z*0.5 + 0.3, vmin=-1, vmax=1)   # rescaled Z-Data
plt.colorbar()

它根据我的需要生成一个数字：

因此，设置vmin=-1, vmax=1可以完成工作，我不需要更改色彩图本身的内容。

Answer 2

此外，您还可以使用matplotlib.colors以0作为中点标准化数据，以增强图形的模拟值和最大值。有关Colormap Norms中的更多信息，您可以查看更多详细信息。

import matplotlib.colors as colors
# Example of making your own norm.  Also see matplotlib.colors.
# From Joe Kington: This one gives two different linear ramps:

class MidpointNormalize(colors.Normalize):
    def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
        self.midpoint = midpoint
        colors.Normalize.__init__(self, vmin, vmax, clip)

    def __call__(self, value, clip=None):
        # I'm ignoring masked values and all kinds of edge cases to make a
        # simple example...
        x, y = [self.vmin, self.midpoint, self.vmax], [0, 0.5, 1]
        return numpy.ma.masked_array(numpy.interp(value, x, y))
#####

# a plot ranging from -0.2 to 0.8 hence 0.3 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 2)
plt.pcolor(X, Y, Z*0.5 + 0.3, norm=MidpointNormalize(midpoint=0))   # Set midpoint as 0
plt.colorbar(extend='min') # To extend colorbar in the min values
plt.subplots_adjust(left=0.125, bottom=0.1, right=0.9, top=0.95, wspace=0.5, hspace=0.1) # to adjust the subplots

它产生了这个数字：

Answer 3

您可以像这样使用matplotlib.colors.DivergingNorm：

# define your scale, with white at zero
vmin = -0.2 
vmax = 0.8
norm = colors.DivergingNorm(vmin=vmin, vcenter=0, vmax=vmax)

在您的示例中，

import numpy
from matplotlib import pyplot as plt

# some arbitrary data to plot
x = numpy.linspace(0, 2*numpy.pi, 30)
y = numpy.linspace(0, 2*numpy.pi, 20)
[X, Y] = numpy.meshgrid(x, y)
Z = numpy.sin(X)*numpy.cos(Y)

fig = plt.figure()
plt.ion()
plt.set_cmap('bwr') # a good start: blue to white to red colormap

# a plot ranging from -1 to 1, hence the value 0 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 1)
plt.pcolor(X, Y, Z)
plt.colorbar()

# a plot ranging from -0.2 to 0.8 hence 0.3 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 2)

# define your scale, with white at zero
vmin = -0.2 
vmax = 0.8
norm = colors.DivergingNorm(vmin=vmin, vcenter=0, vmax=vmax)

plt.pcolor(X, Y, Z, vmin=vmin, vmax=vmax, norm=norm)   
plt.colorbar()

会给您：