Question

我有一个随时间（X）演变的权重网格（Y）：

我无法正确区分权重的变化，因为分布在正负权重之间是不对称的;应该识别空权重，因为这意味着不使用给定的变量。

由于这些原因，我想更改颜色渐变以获得类似的东西（a或b）：

有关如何处理此事的任何想法吗？

Answer 1

matplotlib中的颜色条将0到1之间的数字映射到一种颜色。要将其他数字映射到颜色，您需要首先对范围[0,1]进行标准化。这通常是根据最小和最大数据自动完成的，或者使用相应绘图功能的vmin和vmax参数。在内部，规范化实例matplotlib.colors.Normalize用于执行规范化，默认情况下，假设vmin和vmax之间的线性比例。

在这里你需要一个非线性比例，它（a）将中间点移动到某个指定值，（b）挤压该值周围的颜色。

现在的想法可以是matplotlib.colors.Normalize的子类，让它返回一个满足标准（a）和（b）的映射。

选项可能是两个根函数的组合，如下所示。

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

class SqueezedNorm(matplotlib.colors.Normalize):
    def __init__(self, vmin=None, vmax=None, mid=0, s1=2, s2=2, clip=False):
        self.vmin = vmin # minimum value
        self.mid  = mid  # middle value
        self.vmax = vmax # maximum value
        self.s1=s1; self.s2=s2
        f = lambda x, zero,vmax,s: np.abs((x-zero)/(vmax-zero))**(1./s)*0.5
        self.g = lambda x, zero,vmin,vmax, s1,s2: f(x,zero,vmax,s1)*(x>=zero) - \
                                             f(x,zero,vmin,s2)*(x<zero)+0.5
        matplotlib.colors.Normalize.__init__(self, vmin, vmax, clip)

    def __call__(self, value, clip=None):
        r = self.g(value, self.mid,self.vmin,self.vmax, self.s1,self.s2)
        return np.ma.masked_array(r)


fig, (ax, ax2, ax3) = plt.subplots(nrows=3, 
                                   gridspec_kw={"height_ratios":[3,2,1], "hspace":0.25})

x = np.linspace(-13,4, 110)
norm=SqueezedNorm(vmin=-13, vmax=4, mid=0, s1=1.7, s2=4)

line, = ax.plot(x, norm(x))
ax.margins(0)
ax.set_ylim(0,1)

im = ax2.imshow(np.atleast_2d(x).T, cmap="Spectral_r", norm=norm, aspect="auto")
cbar = fig.colorbar(im ,cax=ax3,ax=ax2, orientation="horizontal")

选择函数使其独立于其参数，将任何范围映射到范围[0,1]，以便可以使用色彩映射。参数mid确定应将哪个值映射到色彩映射的中间。在这种情况下，这将是0。参数s1和s2决定了色彩图在两个方向上的挤压方式。

设置mid = np.mean(vmin, vmax), s1=1, s2=1将恢复原始缩放。

为了选择好的参数，可以使用一些滑块来查看实时更新的图。

from matplotlib.widgets import Slider

midax = plt.axes([0.1, 0.04, 0.2, 0.03], facecolor="lightblue")
s1ax = plt.axes([0.4, 0.04, 0.2, 0.03], facecolor="lightblue")
s2ax = plt.axes([0.7, 0.04, 0.2, 0.03], facecolor="lightblue")

mid = Slider(midax, 'Midpoint', x[0], x[-1], valinit=0)
s1 = Slider(s1ax, 'S1', 0.5, 6, valinit=1.7)
s2 = Slider(s2ax, 'S2', 0.5, 6, valinit=4)


def update(val):
    norm=SqueezedNorm(vmin=-13, vmax=4, mid=mid.val, s1=s1.val, s2=s2.val)
    im.set_norm(norm)
    cbar.update_bruteforce(im) 
    line.set_ydata(norm(x))
    fig.canvas.draw_idle()

mid.on_changed(update)
s1.on_changed(update)
s2.on_changed(update)

fig.subplots_adjust(bottom=0.15)

Answer 2

您可以使用自定义normalizer。方便的是，文档中的示例已经是“替代中点”规范化器。这个例子是由Joe Kington制作的，所以所有的归功于他。

请参阅本页底部： https://matplotlib.org/users/colormapnorms.html

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

自定义规范化类：

class MidpointNormalize(mpl.colors.Normalize):
    ## class from the mpl docs:
    # https://matplotlib.org/users/colormapnorms.html

    def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
        self.midpoint = midpoint
        super().__init__(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 np.ma.masked_array(np.interp(value, x, y))

结果：

data = np.linspace(-5,1,100)[None,:]

fig, axs = plt.subplots(2,1, figsize=(5,2), facecolor='w', subplot_kw=dict(xticks=[], yticks=[]))

props = dict(aspect=15, cmap=plt.cm.coolwarm)

axs[0].imshow(data, **props)
axs[1].imshow(data, norm=MidpointNormalize(midpoint=0), **props)

这是一个相对简单的例子，但在类似的事情中可以实现更复杂的缩放。

在matplotlib中更改colorbar渐变

2 个答案: