从 matplotlib 中的颜色图中获取单个颜色

Posted 2023-02-16

【中文标题】从 matplotlib 中的颜色图中获取单个颜色

【英文标题】：Getting individual colors from a color map in matplotlib

【发布时间】：2021-01-19 16:34:25

【问题描述】：

如果您有颜色图cmap，例如：

cmap = matplotlib.cm.get_cmap('Spectral')

如何从 0 到 1 之间获取特定颜色，其中 0 是地图中的第一种颜色，而 1 是地图中的最后一种颜色？

理想情况下，我可以通过以下方式获得地图中的中间颜色：

>>> do_some_magic(cmap, 0.5) # Return an RGBA tuple
(0.1, 0.2, 0.3, 1.0)

【参考方案1】：

您可以使用下面的代码执行此操作，并且您问题中的代码实际上非常接近您的需要，您所要做的就是调用您拥有的cmap 对象。

import matplotlib

cmap = matplotlib.cm.get_cmap('Spectral')

rgba = cmap(0.5)
print(rgba) # (0.99807766255210428, 0.99923106502084169, 0.74602077638401709, 1.0)

对于 [0.0, 1.0] 范围之外的值，它将返回下方和上方颜色（分别）。默认情况下，这是该范围内的最小和最大颜色（因此为 0.0 和 1.0）。可以使用cmap.set_under() 和cmap.set_over() 更改此默认值。

对于“特殊”数字，例如 np.nan 和 np.inf，默认使用 0.0 值，这可以使用 cmap.set_bad() 更改，类似于上面的 under 和 over。

最后，您可能需要对数据进行规范化，使其符合[0.0, 1.0] 范围。这可以使用matplotlib.colors.Normalize 来完成，如下面的小示例所示，其中参数vmin 和vmax 分别描述了应该将哪些数字映射到0.0 和1.0。

import matplotlib

norm = matplotlib.colors.Normalize(vmin=10.0, vmax=20.0)

print(norm(15.0)) # 0.5

对数归一化器 (matplotlib.colors.LogNorm) 也可用于具有大范围值的数据范围。

（感谢Joe Kington 和tcaswell 提供有关如何改进答案的建议。）

【讨论】：

实际上，对于小于 0 或大于 1 的值，它将返回“over”或“under”颜色。默认情况下，它是颜色图底部/顶部的颜色，但这是可以更改的。例如：cmap.set_under('red'); print cmap(0.0), cmap(-0.01)

嗨@Joe，感谢您的更正，我已经修改了我的答案:)

还有set_bad 定义了np.nan 和np.inf iirc 的作用。您也应该在此处提及Normalize 方法。

非常有用的信息，为什么在文档中找不到这个！？！

如果这对任何人都不起作用，并且您看到 module 'matplotlib' has no attribute 'cm'，请尝试将前两行替换为 import matplotlib.pyplot as plt; cmap = plt.cm.get_cmap('Spectral')

【参考方案2】：

为了得到rgba整数值而不是浮点值，我们可以这样做

rgba = cmap(0.5,bytes=True)

因此，为了根据 Ffisegydd 的回答简化代码，代码如下：

#import colormap
from matplotlib import cm

#normalize item number values to colormap
norm = matplotlib.colors.Normalize(vmin=0, vmax=1000)

#colormap possible values = viridis, jet, spectral
rgba_color = cm.jet(norm(400),bytes=True) 

#400 is one of value between 0 and 1000

【参考方案3】：

我恰好遇到了这个问题，但我需要连续的图来具有高度对比的颜色。我还使用包含参考数据的公共子图进行绘图，因此我希望颜色序列能够始终如一地重复。

我最初尝试简单地随机生成颜色，在每个绘图之前重新播种 RNG。这工作正常（在下面的代码中注释掉），但可以生成几乎无法区分的颜色。我想要高度对比的颜色，最好是从包含所有颜色的颜色图中采样。

我可以在一个图中拥有多达 31 个数据系列，因此我将颜色图分成了这么多步骤。然后我按照确保我不会很快回到给定颜色附近的顺序走台阶。

我的数据是一个非常不规则的时间序列，所以我想查看点和线，点与线的颜色“相反”。

鉴于以上所有情况，最简单的方法是生成具有相关参数的字典以绘制单个系列，然后将其扩展为调用的一部分。

这是我的代码。也许不漂亮，但实用。

from matplotlib import cm
cmap = cm.get_cmap('gist_rainbow')  #('hsv') #('nipy_spectral')

max_colors = 31   # Constant, max mumber of series in any plot.  Ideally prime.
color_number = 0  # Variable, incremented for each series.

def restart_colors():
    global color_number
    color_number = 0
    #np.random.seed(1)

def next_color():
    global color_number
    color_number += 1
    #color = tuple(np.random.uniform(0.0, 0.5, 3))
    color = cmap( ((5 * color_number) % max_colors) / max_colors )
    return color

def plot_args():  # Invoked for each plot in a series as: '**(plot_args())'
    mkr = next_color()
    clr = (1 - mkr[0], 1 - mkr[1], 1 - mkr[2], mkr[3])  # Give line inverse of marker color
    return 
        "marker": "o",
        "color": clr,
        "mfc": mkr,
        "mec": mkr,
        "markersize": 0.5,
        "linewidth": 1,
    

我的上下文是 JupyterLab 和 Pandas，所以这里是示例绘图代码：

restart_colors()  # Repeatable color sequence for every plot

fig, axs = plt.subplots(figsize=(15, 8))
plt.title("%s + T-meter"%name)

# Plot reference temperatures:
axs.set_ylabel("°C", rotation=0)
for s in ["T1", "T2", "T3", "T4"]:
    df_tmeter.plot(ax=axs, x="Timestamp", y=s, label="T-meter:%s" % s, **(plot_args()))

# Other series gets their own axis labels
ax2 = axs.twinx()
ax2.set_ylabel(units)

for c in df_uptime_sensors:
    df_uptime[df_uptime["UUID"] == c].plot(
        ax=ax2, x="Timestamp", y=units, label="%s - %s" % (units, c), **(plot_args())
    )

fig.tight_layout()
plt.show()

生成的图可能不是最好的例子，但是当交互式放大时它变得更加相关。

【参考方案4】：

为了构建来自 Ffisegydd 和 amaliammr 的解决方案，以下是我们为自定义颜色图制作 CSV 表示的示例：

#! /usr/bin/env python3
import matplotlib
import numpy as np 

vmin = 0.1
vmax = 1000

norm = matplotlib.colors.Normalize(np.log10(vmin), np.log10(vmax))
lognum = norm(np.log10([.5, 2., 10, 40, 150,1000]))

cdict = 
    'red':
    (
        (0., 0, 0),
        (lognum[0], 0, 0),
        (lognum[1], 0, 0),
        (lognum[2], 1, 1),
        (lognum[3], 0.8, 0.8),
        (lognum[4], .7, .7),
    (lognum[5], .7, .7)
    ),
    'green':
    (
        (0., .6, .6),
        (lognum[0], 0.8, 0.8),
        (lognum[1], 1, 1),
        (lognum[2], 1, 1),
        (lognum[3], 0, 0),
        (lognum[4], 0, 0),
    (lognum[5], 0, 0)
    ),
    'blue':
    (
        (0., 0, 0),
        (lognum[0], 0, 0),
        (lognum[1], 0, 0),
        (lognum[2], 0, 0),
        (lognum[3], 0, 0),
        (lognum[4], 0, 0),
    (lognum[5], 1, 1)
    )



mycmap = matplotlib.colors.LinearSegmentedColormap('my_colormap', cdict, 256)   
norm = matplotlib.colors.LogNorm(vmin, vmax)
colors = 
count = 0
step_size = 0.001
for value in np.arange(vmin, vmax+step_size, step_size):
    count += 1
    print("%d/%d %f%%" % (count, vmax*(1./step_size), 100.*count/(vmax*(1./step_size))))
    rgba = mycmap(norm(value), bytes=True)
    color = (rgba[0], rgba[1], rgba[2])
    if color not in colors.values():
        colors[value] = color

print ("value, red, green, blue")
for value in sorted(colors.keys()):
    rgb = colors[value]
    print("%s, %s, %s, %s" % (value, rgb[0], rgb[1], rgb[2]))

【参考方案5】：

我曾经遇到过类似的情况，我需要“n”不。颜色映射中的颜色，以便我可以将每种颜色分配给我的数据。 我在一个名为“mycolorpy”的包中编译了一个代码。 你可以使用 pip 安装它：

pip install mycolorpy

你可以这样做：

from mycolorpy import colorlist as mcp
import numpy as np

示例：从 camp "winter

创建一个包含 5 个十六进制字符串的列表

color1=mcp.gen_color(cmap="winter",n=5)
print(color1)

输出：

['#0000ff', '#0040df', '#0080bf', '#00c09f', '#00ff80']

另一个从 camp bwr 生成 16 种颜色列表的示例：

color2=mcp.gen_color(cmap="bwr",n=16)
print(color2)

输出：

['#0000ff', '#2222ff', '#4444ff', '#6666ff', '#8888ff', '#aaaaff', '#ccccff', '#eeeeff', '#ffeeee', '#ffcccc', '#ffaaaa', '#ff8888', '#ff6666', '#ff4444', '#ff2222', '#ff0000']

有一个python notebook 带有使用示例，可​​以更好地可视化这一点。

假设您想从 cmap 生成一个颜色列表，该列表已标准化为给定数据。你可以这样做：

a=random.randint(1000, size=(200))
a=np.array(a)
color1=mcp.gen_color_normalized(cmap="seismic",data_arr=a)
plt.scatter(a,a,c=color1)

输出：

您还可以使用以下方法反转颜色：

color1=mcp.gen_color_normalized(cmap="seismic",data_arr=a,reverse=True)
plt.scatter(a,a,c=color1)

输出：

【讨论】：

这没有回答 OP 的问题，虽然它已经有一个很好的认可答案。除此之外，已经有一些工具可以很好地执行您描述的过程，例如 CMasher (cmasher.readthedocs.io/index.html)。

【参考方案6】：

颜色图带有自己的标准化方法，因此如果您已经制作了绘图，则可以访问特定值的颜色。

import matplotlib.pyplot as plt
import numpy as np

cmap = plt.cm.viridis

cm = plt.pcolormesh(np.random.randn(10, 10), cmap=cmap)

print(cmap(cm.norm(2.2)))