Matplotlib imshow - 更改默认的颜色归一化

Question

我在使用imshow时一直遇到颜色映射的问题；有些颜色似乎会变成黑色。我终于意识到imshow似乎默认会对我提供的浮点值矩阵进行归一化。

我本以为像[[0,0.25],[0.5,0.75]]这样的数组会显示与绝对值相对应的适当颜色，但是0.75会被解释为1。在极端情况下，一个N x N的0.2数组（例如），只会产生一个大黑方块，而不是我们期望的颜色映射中0.2对应的颜色（也许是20%的灰色）。

有没有办法阻止这种行为？当自定义颜色映射存在许多不连续性时，这特别令人恼火；尺度的微小变化可能导致所有颜色完全改变。

- oLas

Answer 1

只需指定vmin=0, vmax=1。

默认情况下，imshow将数据归一化为其最小值和最大值。您可以使用vmin和vmax参数或norm参数（如果需要非线性缩放）来控制此过程。

以下是一个快速示例：

import matplotlib.pyplot as plt

data = [[0, 0.25], [0.5, 0.75]]

fig, ax = plt.subplots()
im = ax.imshow(data, cmap=plt.get_cmap('hot'), interpolation='nearest',
               vmin=0, vmax=1)
fig.colorbar(im)
plt.show()

- Joe Kington

---

我的生活已经圆满！这个问题困扰我太久了。希望这能帮助其他人。 - oLas

是的，我已经在网上疯狂搜索了很久，试图弄清楚imshow的行为。 - Nima Mousavi

@DeeWBee 是的。根据文档：除了fignum之外，关键字参数都会传递给imshow()函数。 - oLas

实际上，“vmin和vmax不会对数据进行归一化，而是将其夹紧”。这是在此处的评论中提到的（https://dev59.com/mIzda4cB1Zd3GeqPpq8w#31234563）。 - Mohit Pandey

colorbar 这就是我在寻找的 :D - Brambor

Answer 2

你还可以通过图像上定义的Normalize对象，在imshow调用之后更新vmin和vmax。Normalize对象定义了autoscale()方法，可以更新vmin和vmax。

import matplotlib.pyplot as plt

data = [[0, 0.25], [0.5, 0.75]]

im = plt.imshow(data, cmap='hot')
plt.colorbar(im)
im.norm.autoscale([0, 1])
#                 ^^^^^^    <---- smaller value -> vmin; greater value -> vmax

此外，clim() 函数可以用来更新当前图像的 vmin/vmax 值。

im = plt.imshow(data, cmap='hot')
plt.colorbar(im)
plt.clim(0, 1)

顺便提一下，可以通过Axes实例的images属性来访问图像，例如im = plt.gca().images[0]。

- cottontail