显示matplotlib颜色条而不是多个绘图的图例，颜色逐渐变化

Question

我正在尝试制作一个简单的图表，显示属于具有特定顺序的大型数据集的许多曲线，假设情节1..n。随着n的增加，曲线的形状逐渐变化。读者可以准确地看到哪个图属于n的哪个值并不重要，但他们应该能够猜测n的数量级。

因此我做了这样的事情：

nValues = range(0,30)
xValues = np.linspace(0,10)
dataset = [(xValues-5-0.5*n)**2 for n in nValues]
colors = {n: colorsys.hsv_to_rgb(hue,0.9,0.7) for n,hue in zip(nValues,np.linspace(0,0.7,len(nValues)))}
for n in nValues:
    plt.plot(dataset[n],color=colors[n])

（为了清楚起见，这仅仅是为了示例，我的数据实际上存储在一个漂亮的pandas数据帧中。）

而不是图例，我想在图表旁边添加一个颜色条，可能有几个标记和标签（至少是最小值和最大值），以指示哪个颜色属于n的哪个值，但是我不知道如何做到这一点。如果我真的从ColorMap中获取我的绘图颜色，我认为事情可能会更容易，但我也不知道如何做到这一点，我也不知道如何从那里开始。

欢迎任何指示！

Answer 1

@tom和@Joe Kington都是对的：之前有人问过。但是，我尝试以相关答案的轻微努力为例。 要使用色彩映射（始终将值从[0,1]映射到颜色），首先需要规范化数据。为此，您可以使用Normalize类。只有在您打算创建颜色栏时才需要ScalarMappable实例。

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import matplotlib.cm as cm
import numpy as np

# your dataset
nValues = np.arange(0,30)
xValues = np.linspace(0,10)
dataset = [(xValues-5-0.5*n)**2 for n in nValues]

# setup the normalization and the colormap
normalize = mcolors.Normalize(vmin=nValues.min(), vmax=nValues.max())
colormap = cm.jet

# plot
for n in nValues:
    plt.plot(dataset[n], color=colormap(normalize(n)))

# setup the colorbar
scalarmappaple = cm.ScalarMappable(norm=normalize, cmap=colormap)
scalarmappaple.set_array(nValues)
plt.colorbar(scalarmappaple)

# show the figure
plt.show()

结果：

Answer 2

这几乎与其他几个问题重复。关键是matplotlib需要一个{ "version": "1.0.0", "stat_tag": "API", "layers": [{ "type": "cartodb", "options": { "sql": "SELECT * FROM mytable)", "cartocss": "mytable{marker-width: 10;}", "cartocss_version": "2.1.0" } } //INSERT NEW OBJECT HERE ] } 实例（通常是图像，散点图等）来制作颜色图。如果你不使用创建一个的绘图方法，那么直接伪造一个。您需要一个ScalarMappable实例来定义色彩映射的最小/最大/缩放/等，并使用Normalize实例来定义颜色。

然而，你还有额外的皱纹。您没有使用色彩映射表，因此您需要构建一个色彩映射表。

这是一个带有离散色图的示例：

Colormap

如果你喜欢连续的色彩映射：

import numpy as np
import matplotlib.colors as mcolors
import matplotlib.cm
import matplotlib.pyplot as plt

# Your example...
nvalues = range(0,30)
xvalues = np.linspace(0,10)

hsv2rgb = lambda hue: mcolors.hsv_to_rgb([hue,0.9,0.7])
hues = np.linspace(0, 0.7, len(nvalues))
colors = [hsv2rgb(hue) for hue in hues]

dataset = [(xvalues-5-0.5*n)**2 for n in nvalues]

fig, ax = plt.subplots()
for n in nvalues:
    ax.plot(dataset[n], color=colors[n])

# Fake a ScalarMappable so you can display a colormap
cmap, norm = mcolors.from_levels_and_colors(range(len(nvalues) + 1), colors)
sm = matplotlib.cm.ScalarMappable(cmap=cmap, norm=norm)
sm.set_array([])

fig.colorbar(sm)

plt.show()

Answer 3

您必须创建一个新的cmap 这段代码应该有效：

import matplotlib
import matplotlib.pyplot as plt 
import colorsys
import numpy

nValues = range(30)
xValues = numpy.linspace(0,10)
dataset = [(xValues-5-0.5*n)**2 for n in nValues]
colors  = [colorsys.hsv_to_rgb(hue,0.9,0.7) for hue in numpy.linspace(0.,0.7,30)]

fig = plt.figure()
axe = fig.add_subplot(111)
trh = [axe.plot(dataset[n],color=colors[n]) for n in nValues] # one line loop for plotting the data with associated color
cma = matplotlib.colors.ListedColormap(colors, name='from_list', N=None) # creation of a user cmap
msm = matplotlib.cm.ScalarMappable(cmap=cma) 
msm.set_array(nValues) 
fig.colorbar(msm)
fig.show()