Question

我想修复多个散点图上的颜色范围，并在每个图中添加一个颜色条（每个图中都相同）。基本上，我正在修复轴和色彩空间等的所有方面，以便绘图可以直接用眼睛进行比较。

对于我的生活，我似乎无法弄清楚修复颜色范围的各种方法。我已经尝试了vmin，vmax，但它似乎没有做任何事情，我也试过攀登（x，y），这似乎也没有用。

这必须在这里和那里出现，我不可能是唯一一个想要比较各个数据子集的人...所以，你如何修复颜色，以便每个数据保持它的颜色和图之间的颜色由于子集的最大/最小值的变化-v-整个集合，不会重新映射到不同的颜色？

Answer 1

设置vmin和vmax应该这样做。

以下是一个例子：

import matplotlib.pyplot as plt

xyc = range(20)

plt.subplot(121)
plt.scatter(xyc[:13], xyc[:13], c=xyc[:13], s=35, vmin=0, vmax=20)
plt.colorbar()
plt.xlim(0, 20)
plt.ylim(0, 20)

plt.subplot(122)
plt.scatter(xyc[8:20], xyc[8:20], c=xyc[8:20], s=35, vmin=0, vmax=20)   
plt.colorbar()
plt.xlim(0, 20)
plt.ylim(0, 20)

plt.show()

这产生的情节：

alt text http://i45.tinypic.com/2qsqvrk.png

Answer 2

好的，这不是一个真正的答案 - 而是一个后续行动。我的编码结果改变了Tom的代码。 [不确定我是否要删除答案复选标记，因为上面的代码确实有效，并且是问题的答案！]

它似乎不适用于我的数据!!下面是修改后的代码，可以与我的数据一起使用，以产生一个因某些奇怪的原因而无法正常工作的情节。输入来自h5py函数（hdf5数据文件导入）。

在下文中，rf85是用于大批量实验的阵列的子集，其中施加到系统的RF功率向前约为85瓦。我基本上是以各种方式切割和切割数据以尝试看到趋势。与当前输入的完整数据集相比，这是85瓦（有更多数据，但这就是我现在所拥有的）。

import numpy
import matplotlib.pyplot as plt

CurrentsArray = [array([ 0.83333333,  0.8       ,  0.57142857,  0.83333333,  1.03333333,
        0.25      ,  0.81666667,  0.35714286,  0.26      ,  0.57142857,
        0.83333333,  0.47368421,  0.80645161,  0.47368421,  0.52631579,
        0.36666667,  0.47368421,  0.57142857,  0.47368421,  0.47368421,
        0.47368421,  0.47368421,  0.47368421,  0.61764706,  0.81081081,
        0.41666667,  0.47368421,  0.47368421,  0.45      ,  0.73333333,
        0.8       ,  0.8       ,  0.8       ,  0.47368421,  0.45      ,
        0.47368421,  0.83333333,  0.47368421,  0.22222222,  0.32894737,
        0.57142857,  0.83333333,  0.83333333,  1.        ,  1.        ,
        0.46666667])]

growthTarray = [array([ 705.,  620.,  705.,  725.,  712.,  705.,  680.,  680.,  620.,
        660.,  660.,  740.,  721.,  730.,  720.,  720.,  730.,  705.,
        690.,  705.,  680.,  715.,  705.,  670.,  705.,  705.,  650.,
        725.,  725.,  650.,  650.,  650.,  714.,  740.,  710.,  717.,
        737.,  740.,  660.,  705.,  725.,  650.,  710.,  703.,  700.,  650.])]

CuSearray = [array([ 0.46395015,  0.30287259,  0.43496888,  0.46931773,  0.47685844,
        0.44894925,  0.50727844,  0.45076198,  0.44977095,  0.41455029,
        0.38089693,  0.98174953,  0.48600461,  0.65466528,  0.40563053,
        0.22990327,  0.54372179,  0.43143358,  0.92515847,  0.73701742,
        0.64152173,  0.52708783,  0.51794063,  0.49      ,  0.48878252,
        0.45119732,  0.2190089 ,  0.43470776,  0.43509758,  0.52697697,
        0.21576805,  0.32913721,  0.48828072,  0.62201997,  0.71442359,
        0.55454867,  0.50981136,  0.48212956,  0.46      ,  0.45732419,
        0.43402525,  0.40290777,  0.38594786,  0.36777306,  0.36517926,
        0.29880924])]

PFarray = [array([ 384.,  285.,  280.,  274.,  185.,  185.,  184.,  184.,  184.,
        184.,  184.,  181.,  110.,  100.,  100.,  100.,   85.,   85.,
         84.,   84.,   84.,   84.,   84.,   84.,   84.,   84.,   84.,
         84.,   84.,   84.,   84.,   84.,   27.,   20.,    5.,    5.,
          1.,    0.,    0.,    0.,    0.,    0.,    0.,    0.,    0.,    0.])]

rf85growthTarray = [array([ 730.,  705.,  690.,  705.,  680.,  715.,  705.,  670.,  705.,
        705.,  650.,  725.,  725.,  650.,  650.,  650.])]

rf85CuSearray = [array([ 0.54372179,  0.43143358,  0.92515847,  0.73701742,  0.64152173,
        0.52708783,  0.51794063,  0.49      ,  0.48878252,  0.45119732,
        0.2190089 ,  0.43470776,  0.43509758,  0.52697697,  0.21576805,
        0.32913721])]

rf85PFarray = [array([ 85.,  85.,  84.,  84.,  84.,  84.,  84.,  84.,  84.,  84.,  84.,
        84.,  84.,  84.,  84.,  84.])]

rf85CurrentsArray = [array([ 0.54372179,  0.43143358,  0.92515847,  0.73701742,  0.64152173,
        0.52708783,  0.51794063,  0.49      ,  0.48878252,  0.45119732,
        0.2190089 ,  0.43470776,  0.43509758,  0.52697697,  0.21576805,
        0.32913721])]

Datavmax = max(max(CurrentsArray))
Datavmin = min(min(CurrentsArray))

plt.subplot(121)
plt.scatter(growthTarray, CuSearray, PFarray, CurrentsArray, vmin=Datavmin, vmax=Datavmax, alpha=0.75)
plt.colorbar()
plt.xlim(600,760)
plt.ylim(0,2.5)

plt.subplot(122)
plt.scatter(rf85growthTarray, rf85CuSearray, rf85PFarray, rf85CurrentsArray, vmin=Datavmin, vmax=Datavmax, alpha=0.75)
plt.colorbar()
plt.xlim(600,760)
plt.ylim(0,2.5)

plt.show()

最后，输出：

colorfailed! http://i50.tinypic.com/21b6c7k.png

请注意，这不是我作品的完美输出，但我没有花费精力使其完美。然而重要的是：您将在之间识别为相同的数据点不包含与基于上面使用的vmin vmax的情况相同的颜色（如Tom的代码所示）。

这太疯狂了。 :(我希望有人可以为我揭示这一点！我很肯定我的代码不是那么好，所以请不要担心在我的代码方面会冒犯!!

额外的一袋火热的cheetos给任何可以提出前进方向的人。 -Allen

UPDATE- Tom10遇到了问题 - 我无意中为我的一个子阵列使用了错误的数据，导致这些值的颜色级别与预期不同（也就是说，我的数据是错误的！）Tom为此提供了很大的道具 - 我希望我可以再给他一次投票，但由于我提出这个问题的方法，我不能（对不起汤姆！）

请同时查看他在下面提到的数据位置绘制文本的精彩示例。

这是一个更新的图像，显示Tom的方法确实有效，并且绘图是我自己的代码中的一个问题： alt text http://i50.tinypic.com/2ljgh8i.png

修复matplotlib中散点图中的颜色

2 个答案: