使用自定义颜色绘制2d numpy数组

Question

我有一个想要绘制的2d numpy数组，所以我可以看到每个类别在网格上的位置。矩阵（mat）看起来像这样：

156 138 156
1300 137 156
138 138 1300
137 137 137

我将其绘制如下：

 plt.imshow(mat, cmap='tab20', interpolation='none')

但是，我想要自定义颜色。我有一个csv，其中id与矩阵中的值相对应：

id,R,G,B
156,200,200,200
138,170,255,245
137,208,130,40
1300,63,165,76

有没有办法可以让矩阵中的值与csv文件中的R，G，B值相对应？

编辑：有人要求澄清，但整个答案都已删除。

每行有一个ID和3列，分别代表R，G和B值。所以第一行的ID为156（特定于域的代码），R 200，G 200和B 200（灰色）。

现在我想要绘制一个2d矩阵，并且在值为156的每个坐标上我希望该像素为灰色。与ID 1300相同，其中颜色63,165和76表示我想在矩阵中使用的绿色。

Answer 1

使用色彩映射

原则上，RGB值的矩阵是某种颜色图。在matplotlib中使用色彩映射来获取绘图的颜色是有意义的。这使得这里稍微复杂一点的是值不是很好。因此，一个想法是将它们映射到从0开始的整数。然后从这些值创建颜色图并将其与BoundaryNorm一起使用，可以使用等距的颜色条。最后，可以将颜色条的滴答标签设置回初始值。

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

a =np.array([[156, 138, 156],
             [1300, 137, 156],
             [138, 138, 1300],
             [137, 137, 137]])

ca = np.array([[156,200,200,200],
               [138,170,255,245],
               [137,208,130,40],
               [1300,63,165,76]])

u, ind = np.unique(a, return_inverse=True)
b = ind.reshape((a.shape))

colors = ca[ca[:,0].argsort()][:,1:]/255.
cmap = matplotlib.colors.ListedColormap(colors)
norm = matplotlib.colors.BoundaryNorm(np.arange(len(ca)+1)-0.5, len(ca))

plt.imshow(b, cmap=cmap, norm=norm)

cb = plt.colorbar(ticks=np.arange(len(ca)))
cb.ax.set_yticklabels(np.unique(ca[:,0]))

plt.show()

绘制RGB数组

您可以根据数据创建RGB数组，直接绘制为imshow。为此，您可以使用颜色数组中的颜色索引原始数组，并重新生成结果数组，使其形状正确，以使用imshow进行绘制。

import numpy as np
import matplotlib.pyplot as plt


a =np.array([[156, 138, 156],
             [1300, 137, 156],
             [138, 138, 1300],
             [137, 137, 137]])

ca = np.array([[156,200,200,200],
               [138,170,255,245],
               [137,208,130,40],
               [1300,63,165,76]])

u, ind = np.unique(a, return_inverse=True)
c = ca[ca[:,0].argsort()][:,1:]/255.

b =  np.moveaxis(c[ind][:,:,np.newaxis],1,2).reshape((a.shape[0],a.shape[1],3))
plt.imshow(b)
plt.show()

结果与上述相同，但没有颜色条（因为这里没有要映射的数量）。

Answer 2

它不是特别优雅，但很简单

In [72]: import numpy as np
In [73]: import matplotlib.pyplot as plt
In [74]: a = np.mat("156 138 156;1300 137 156;138 138 1300;137 137 137")
In [75]: d = {   156:  [200,  200,  200],
    ...:         138:  [170,  255,  245],
    ...:         137:  [208,  130,   40],
    ...:        1300:   [63,  165,   76]}
In [76]: image = np.array([[d[val] for val in row] for row in a], dtype='B')
In [77]: plt.imshow(image);

重点是生成一个包含正确（和解包）RGB元组的正确dtype（'B'编码短无符号整数）的数组。

附录

在本附录中the original question之后交换意见后，我将提出一个解决使用plt.scatter()绘制相同类型数据的问题的可能解决方案（问题比我预期的要困难一些） ...）

import numpy as np
import matplotlib.pyplot as plt
from random import choices, randrange

######## THIS IS FOR IMSHOW ######################################
# the like of my previous answer
values = [20,150,900,1200]
rgb = lambda x=255:(randrange(x), randrange(x), randrange(x))
colord = {v:rgb() for v in values}

nr, nc = 3, 5
data = np.array(choices(values, k=nr*nc)).reshape((nr,nc))
c = np.array([[colord[v] for v in row] for row in data], dtype='B')

######## THIS IS FOR SCATTER ######################################
# This is for having the coordinates of the scattered points, note that rows' indices
# map to y coordinates and columns' map to x coordinates
y, x = np.array([(i,j) for i in range(nr) for j in range(nc)]).T
# Scatter does not expect a 3D array of uints but a 2D array of RGB floats
c1 = (c/255.0).reshape(nr*nc,3)

######## THIS IS FOR PLOTTING ######################################
# two subplots, plot immediately the imshow
f, (ax1, ax2) = plt.subplots(nrows=2)
ax1.imshow(c)
# to make a side by side comparison we set the boundaries and aspect
# of the second plot to mimic imshow's
ax2.set_ylim(ax1.get_ylim())
ax2.set_xlim(ax1.get_xlim())
ax2.set_aspect(1)
# and finally plot the data --- the size of dots `s=900` was by trial and error
ax2.scatter(x, y, c=c1, s=900)
plt.show()

Answer 3

使用pandas和numpy，（编辑n x m矩阵）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

n = 2
m = 2
df = pd.read_csv('matrix.txt')
id = df.id.values
id = np.reshape(id, (n, m))
R = df.R.values
R = np.reshape(R/255, (n, m))
G = df.R.values
G = np.reshape(G/255, (n, m))
B = df.B.values
B = np.reshape(B/255, (n, m))
img = []

for i in range(n):
    img.append([])
    for j in range(m):
        img[i].append((R[i][j], G[i][j], B[i][j]))

plt.imshow(img)
plt.show()

Answer 4

Pandas可以帮助您收集数据：

im = pd.read_clipboard(header=None)  # from your post
colours = pd.read_clipboard(index_col=0,sep=',')  # from your post

Pandas也有助于色彩图：

colordf = colours.reindex(arange(1301)).fillna(0).astype(np.uint8)

numpy.take构建图片：

rgbim = colordf.values.take(im,axis=0))

plt.imshow(rgbim):