如何为python中的一系列图创建标准颜色条

Posted 2023-02-16

【中文标题】如何为python中的一系列图创建标准颜色条

【英文标题】：How can I create a standard colorbar for a series of plots in python

【发布时间】：2011-12-14 02:40:17

【问题描述】：

我使用 matplotlib 在 python 中绘制一些数据，并且这些绘图需要标准颜色条。数据由一系列包含频率信息的 NxM 矩阵组成，因此简单的 imshow() 图给出了带有颜色描述频率的 2D 直方图。每个矩阵包含不同但重叠范围的数据。 Imshow 将每个矩阵中的数据标准化为 0-1 范围，这意味着，例如，矩阵 A 的图将与矩阵 2*A 的图相同（尽管颜色条将显示两倍的值）。例如，我想要的是红色对应于所有图中的相同频率。换句话说，一个颜色条就足以满足所有图的需求。任何建议将不胜感激。

【问题讨论】：

我更喜欢使用 matshow() 或 pcolor() 因为 imshow() 在显示时会平滑矩阵，从而使解释变得更加困难。所以除非矩阵确实是图像，否则我建议你尝试其他两个。

@inalis - 如果您不想插值，可以在使用 imshow 时指定 interpolation='nearest'。对于大型数组，pcolor 比 imshow 慢得多，因此对于大型数组，最好使用 imshow。另一方面，pcolor 提供矢量输出，有时非常方便。

Matplotlib 2 Subplots, 1 Colorbar 的可能重复项

【参考方案1】：

不是偷@ianilis 的答案，但我想添加一个例子......

有多种方法，但最简单的方法是将vmin 和vmax kwargs 指定为imshow。或者，您可以创建一个 matplotlib.cm.Colormap 实例并指定它，但这对于简单的情况来说比必要的要复杂。

这是一个简单的示例，所有图像都有一个颜色条：

import numpy as np
import matplotlib.pyplot as plt

# Generate some data that where each slice has a different range
# (The overall range is from 0 to 2)
data = np.random.random((4,10,10))
data *= np.array([0.5, 1.0, 1.5, 2.0])[:,None,None]

# Plot each slice as an independent subplot
fig, axes = plt.subplots(nrows=2, ncols=2)
for dat, ax in zip(data, axes.flat):
    # The vmin and vmax arguments specify the color limits
    im = ax.imshow(dat, vmin=0, vmax=2)

# Make an axis for the colorbar on the right side
cax = fig.add_axes([0.9, 0.1, 0.03, 0.8])
fig.colorbar(im, cax=cax)

plt.show()

【参考方案2】：

最简单的解决方案是为每个绘图使用相同的参数调用 clim(lower_limit, upper_limit)。

【参考方案3】：

这只能回答一半的问题，或者更确切地说是开始一个新问题。 如果你改变了

data *= np.array([0.5, 1.0, 1.5, 2.0])[:,None,None]

到

data *= np.array([2.0, 1.0, 1.5, 0.5])[:,None,None]

您的颜色条将从 0 变为 0.5，在这种情况下为深蓝色到稍浅的蓝色，并且不会覆盖整个范围（0 到 2）。 无论vmin 和vmax 是什么，颜色条都只会显示最后一张图像或轮廓的颜色。

【参考方案4】：

我对建议手动设置vmin 和vmax 的解决方案不满意，因此我决定阅读每个绘图的限制并自动设置vmin 和vmax。

下面的示例显示了取自均值增加的正态分布的三个样本图。

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid
import numpy as np

numberOfPlots = 3
data = []
for i in range(numberOfPlots):
    mean = i
    data.append(np.random.normal(mean, size=(100,100)))

fig = plt.figure()
grid = ImageGrid(fig, 111, nrows_ncols=(1,numberOfPlots), cbar_mode='single')
ims = []
for i in range(numberOfPlots):
    ims.append(grid[i].imshow(data[i]))
    grid[i].set_title("Mean = " + str(i))

clims = [im.get_clim() for im in ims]
vmin = min([clim[0] for clim in clims])
vmax = max([clim[1] for clim in clims])
for im in ims:
    im.set_clim(vmin=np.floor(vmin),vmax=np.ceil(vmax))
grid[0].cax.colorbar(ims[0]) # with cbar_mode="single", cax attribute of all axes are identical    

fig.show()