我有一个包含从1到10的数字的列(“color_values”)在我的df中,我想使用matplotlib.cm (cm)
和matplotlib.colors (mcol)
将这些数字转换为十六进制颜色。
这里是我创建调色板的代码:
color_list = ["#084594", ...] # my colors
cm1 = mcol.ListedColormap(color_list)
cnorm = mcol.Normalize(vmin=df["color_values"].min(), vmax=df["color_values"].max())
cpick = cm.ScalarMappable(norm=cnorm, cmap=cm1)
cpick.set_array(np.array([]))
这是需要更快的部分,因为我有数百万行数据:
df["color_hex"] = df.apply(
lambda row: mcol.to_hex(cpick.to_rgba(row["color_values"])), axis=1
)
我正在插入另一列(color_hex),将从color_values中的值转换为十六进制颜色,但它通过循环遍历每个单元格来实现。
我查看了numpy.vectorize,但在他们的文档中,他们说“矢量化函数主要是为方便而提供的,而不是为性能而提供的。 实现本质上是一个for循环。”
我还查看了numpy.where,但这似乎更适合您需要满足条件的情况,而这并非我的情况。
所以我想知道还有哪些numpy操作适用于此?
apply2
情况,该情况使用numpy.apply_along_axis
。 - ImportanceOfBeingErnest