在 matplotlib 中设置颜色条范围

Posted 2023-02-16

【中文标题】在 matplotlib 中设置颜色条范围

【英文标题】：Set Colorbar Range in matplotlib

【发布时间】：2011-03-23 08:13:33

【问题描述】：

我有以下代码：

import matplotlib.pyplot as plt

cdict = 
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))


cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

plt.clf()
plt.pcolor(X, Y, v, cmap=cm)
plt.loglog()
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

plt.colorbar()
plt.show()

因此，这会使用指定的颜色图生成 X 轴与 Y 轴上的值“v”的图形。 X 轴和 Y 轴是完美的，但颜色图分布在 v 的最小值和最大值之间。我想强制颜色图的范围在 0 和 1 之间。

我想过使用：

plt.axis(...)

设置轴的范围，但这只需要 X 和 Y 的最小值和最大值的参数，而不是颜色图。

编辑：

为清楚起见，假设我有一个值范围为 (0 ... 0.3) 的图，以及另一个值范围为 (0.2 ... 0.8) 的图。

在这两个图中，我希望颜色条的范围为 (0 ... 1)。在这两个图中，我希望这个颜色范围使用上面的整个 cdict 范围是相同的（所以两个图中的 0.25 将是相同的颜色）。在第一个图表中，0.3 和 1.0 之间的所有颜色都不会出现在图表中，但会出现在侧面的颜色栏键中。另一方面，所有介于 0 和 0.2 之间以及介于 0.8 和 1 之间的颜色都不会出现在图表中，但会出现在侧面的颜色栏中。

【参考方案1】：

使用vmin 和vmax 强制设置颜色范围。这是一个例子：

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

cdict = 
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))


cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )

def do_plot(n, f, title):
    #plt.clf()
    plt.subplot(1, 3, n)
    plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)
    plt.title(title)
    plt.colorbar()

plt.figure()
do_plot(1, lambda x:x, "all")
do_plot(2, lambda x:np.clip(x, -4, 0), "<0")
do_plot(3, lambda x:np.clip(x, 0, 4), ">0")
plt.show()

【讨论】：

为什么这个答案比@Amro 发布的使用 plt.clim 的答案更好？

【参考方案2】：

使用CLIM函数（相当于MATLAB中的CAXIS函数）：

plt.pcolor(X, Y, v, cmap=cm)
plt.clim(-4,4)  # identical to caxis([-4,4]) in MATLAB
plt.show()

【讨论】：

我相信 clim() 会缩放颜色轴，但颜色本身会改变值。无论刻度如何，刻度上某个分数处的点都将是相同的颜色，但它所代表的值会发生变化。

是的。这是询问者的期望行为，因此解决了问题：图表之间的色标相同。

【参考方案3】：

不确定这是否是最优雅的解决方案（这是我使用的），但您可以将数据缩放到 0 到 1 之间的范围，然后修改颜色条：

import matplotlib as mpl
...
ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)
cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,
                       norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))
cbar.set_clim(-2.0, 2.0)

通过这两种不同的限制，您可以控制颜色条的范围和图例。在此示例中，条形图中仅显示 -0.5 到 1.5 之间的范围，而颜色图涵盖 -2 到 2（因此这可能是您在缩放之前记录的数据范围）。

因此，不是缩放颜色图，而是缩放数据并将颜色条调整到该值。

【讨论】：

我认为这是在做一些微妙的不同......对不起，我的问题可能不够精确。您的解决方案将缩放颜色，以便用于表示值 1.0 现在将表示我的数据中的最大值。颜色条将根据我的需要显示 0..1（vmin=0，vmax=1），但高于此最大值的所有颜色都将是相同的颜色...

...我已经更新了我的问题以更清楚地显示我所追求的。对不起，如果我太含糊了。

【参考方案4】：

使用图形环境和.set_clim()

如果您有多个地块，这种替代方案可能会更容易、更安全：

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

cdict = 
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))


cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )
data1 = np.clip(data,0,6)
data2 = np.clip(data,-6,0)
vmin = np.min(np.array([data,data1,data2]))
vmax = np.max(np.array([data,data1,data2]))

fig = plt.figure()
ax = fig.add_subplot(131)
mesh = ax.pcolormesh(data, cmap = cm)
mesh.set_clim(vmin,vmax)
ax1 = fig.add_subplot(132)
mesh1 = ax1.pcolormesh(data1, cmap = cm)
mesh1.set_clim(vmin,vmax)
ax2 = fig.add_subplot(133)
mesh2 = ax2.pcolormesh(data2, cmap = cm)
mesh2.set_clim(vmin,vmax)
# Visualizing colorbar part -start
fig.colorbar(mesh,ax=ax)
fig.colorbar(mesh1,ax=ax1)
fig.colorbar(mesh2,ax=ax2)
fig.tight_layout()
# Visualizing colorbar part -end

plt.show()

单个颜色条

最好的选择是为整个绘图使用单个颜色条。有不同的方法可以做到这一点，this 教程对于理解最佳选择非常有用。我更喜欢这种解决方案，您可以简单地复制和粘贴，而不是之前的代码可视化颜色条部分。

fig.subplots_adjust(bottom=0.1, top=0.9, left=0.1, right=0.8,
                    wspace=0.4, hspace=0.1)
cb_ax = fig.add_axes([0.83, 0.1, 0.02, 0.8])
cbar = fig.colorbar(mesh, cax=cb_ax)

附言

我建议使用pcolormesh 而不是pcolor，因为它更快（更多infos here）。