使用时间序列的百分位数在Python的matplotlib中设置颜色渐变

Question

我有一个时间序列，在一年数组大小的过程中（365、10000），每天将有超过10,000个变量的每日值。因为我将拥有大量数据（许多时间序列包含许多变量），所以我希望仅保存百分位数（0、10、20，...，90、100），并在以后的绘图中使用它们来设置颜色渐变显示值的密度（显然在中值处最暗，在最小和最大值处最亮）。这样做的目的是避免在保存的模拟输出中文件过大，因为我将要处理数百万个输出。如果可以使用，这将大大减少文件大小。

我能够计算出样本数据集的百分位数（现在仅使用50个值）并按照附图进行绘制（使用大小为365,11的数组）进行绘制。我将如何使用此信息来建立一个显示颜色渐变（或值密度）的图？这可能吗？还是有其他解决方法？我正在使用matplotlib ...

 import numpy as np
 import matplotlib.pyplot as plt

 SampleData=(375-367)*np.random.random_sample((365, 50))+367
 SDist=np.zeros((365,11))
 for i in range(11):
     for t in range(365):
         SDist[t,i]=np.percentile(SampleData[t,:],i*10)

 fig, (ax1) = plt.subplots(nrows=1, ncols=1, sharex=True, figsize=(8,4))
 ax1.plot(np.arange(0,365,1), SDist)
 ax1.set_title("SampleData", fontsize=15)
 ax1.tick_params(labelsize=11.5)
 ax1.set_xlabel('Day', fontsize=14)
 ax1.set_ylabel('SampleData', fontsize=14)
 fig.tight_layout()

编辑

这是我要做什么的一个很好的例子（尽管显然，它与示例数据看起来会有所不同）-我认为它与粉丝图表相似：

Answer 1

您可以使用matplotlib cm对象获取颜色图，并根据值手动计算要绘制的颜色。下面的示例根据线索引（0-11）计算要绘制的颜色。但是，只要您分别绘制它们并调用正确的颜色值，就可以根据任何内容（例如用于计算百分位数的观察值的数量）计算颜色。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm

n = 11 # change this value for the number of iterations/percentiles
colormap = cm.Blues # change this for the colormap of choice
percentiles = np.linspace(0,100,n)

SampleData=(375-367)*np.random.random_sample((365, 50))+367
SDist=np.zeros((365,n))
for i in range(n):
    for t in range(365):
      SDist[t,i]=np.percentile(SampleData[t,:],percentiles[i])

half = int((n-1)/2)

fig, (ax1) = plt.subplots(nrows=1, ncols=1, sharex=True, figsize=(8,4))
ax1.plot(np.arange(0,365,1), SDist[:,half],color='k')
for i in range(half):
    ax1.fill_between(np.arange(0,365,1), SDist[:,i],SDist[:,-(i+1)],color=colormap(i/half))

ax1.set_title("SampleData", fontsize=15)
ax1.tick_params(labelsize=11.5)
ax1.set_xlabel('Day', fontsize=14)
ax1.set_ylabel('SampleData', fontsize=14)
fig.tight_layout()

结果应如下所示：

Answer 2

fill_between最终解决了问题：

 import numpy as np
 import matplotlib.pyplot as plt

 SampleData=(375-367)*np.random.random_sample((365, 50))+367
 SDist=np.zeros((365,11))
 for i in range(11):
     for t in range(365):
         SDist[t,i]=np.percentile(SampleData[t,:],i*10)
 x=np.arange(0,365,1)

 fig, (ax1) = plt.subplots(nrows=1, ncols=1, sharex=True, figsize=(8,4))
 ax1.set_color_cycle(['red'])
 ax1.plot(x, SDist[:,5])
 for i in range(6):
     alph=0.05+(i/10.)
     ax1.fill_between(x, SDist[:,0+i], SDist[:,10-i], color="red", alpha=alph)
 ax1.set_title("SampleData", fontsize=15)
 ax1.tick_params(labelsize=11.5)
 ax1.set_xlabel('Day', fontsize=14)
 ax1.set_ylabel('SampleData', fontsize=14)
 fig.tight_layout()