Matplotlib中将cmap转换为rgba

Question

Matplotlib中将cmap转换为rgba

3

我有一个具体的实现问题，涉及使用颜色映射（cmap）将数据映射出并转换为rgba值。本质上，我有一堆数据，我想创建一个误差条（errorbar()）图，其中点和误差条本身都由某些其他值的大小着色（为了明确起见，假设这是某个模型拟合的卡方贡献）。假设我有一个名为D的（N,4）数组，其中前两列是X和Y数据，第三列是误差条的值，最后一列是它对卡方函数的贡献。

如何首先进行以下操作：1）将卡方贡献值的范围映射到cmap中，其次，2）如何从这些值中获取rgba值，以便循环执行errorbar()函数来绘制我希望绘制的内容？

这可能会有所帮助（http://matplotlib.org/api/cm_api.html），但我找不到任何关于如何使用ScalarMappable()（它确实有一个to_rgba()方法）的示例或其他信息。

谢谢！

- astromax

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- mwaskom · Accepted Answer

您可以通过调用matplotlib.cm库中的对象将标量值映射到色图上。这些值应该在0和1之间。因此，为了获取卡方分布数据的RBGA值（我将随机生成），可以执行以下操作：

chisq = np.random.chisquare(4, 8)
chisq -= chisq.min()
chisq /= chisq.max()
errorbar_colors = cm.winter(chisq)

可以不将颜色比例尺的起始值和结束值设定为最小和最大实际值，而是将最小值减去并除以所需的最大值。

现在，errorbar_colors 将是一个 (8, 4) 的 RGBA 值数组，取自 winter 颜色映射表：

array([[ 0.        ,  0.7372549 ,  0.63137255,  1.        ],
       [ 0.        ,  0.7372549 ,  0.63137255,  1.        ],
       [ 0.        ,  0.4745098 ,  0.7627451 ,  1.        ],
       [ 0.        ,  1.        ,  0.5       ,  1.        ],
       [ 0.        ,  0.36078431,  0.81960784,  1.        ],
       [ 0.        ,  0.47843137,  0.76078431,  1.        ],
       [ 0.        ,  0.        ,  1.        ,  1.        ],
       [ 0.        ,  0.48627451,  0.75686275,  1.        ]])

要绘制这个图形，您只需迭代颜色和数据点并绘制误差线：

heights = np.random.randn(8)
sem = .4

for i, (height, color) in enumerate(zip(heights, errorbar_colors)):
    plt.plot([i, i], [height - sem, height + sem], c=color, lw=3)
plt.plot(heights, marker="o", ms=12, color=".3")

在此输入图片描述

然而，内置的matplotlib调色板并不是非常适合这项任务。为了改进，您可以使用seaborn生成一个顺序调色板，可用于着色线条：

import numpy as np
import seaborn
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap

chisq = np.random.chisquare(4, 8)
chisq -= chisq.min()
chisq /= chisq.max()

cmap = ListedColormap(seaborn.color_palette("GnBu_d"))
errorbar_colors = cmap(chisq)

heights = np.random.randn(8)
sem = .4

for i, (height, color) in enumerate(zip(heights, errorbar_colors)):
    plt.plot([i, i], [height - sem, height + sem], c=color, lw=3)
plt.plot(heights, marker="o", ms=12, color=".3")

输入图像描述

但即使在这里，我也怀疑这是否是最好的传达观点的方式。我不知道您的数据长什么样，但我建议制作两个图表，一个图表显示您将在此绘制的因变量，另一个图表显示卡方统计量作为因变量。或者，如果您对误差线的大小与卡方值之间的关系感兴趣，可以直接用散点图来绘制。