设置颜色条范围

Question

设置颜色条范围

211

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()

这将在X和Y轴上绘制数值'v'的图形，使用指定的颜色映射。X和Y轴是完美的，但是颜色映射会在v的最小值和最大值之间分布。我希望强制将颜色映射范围限定在0到1之间。

我考虑使用：

plt.axis(...)

为了设置坐标轴的范围，但这只能接受X和Y的最小值和最大值作为参数，而不能接受颜色映射。

编辑：

为了清晰起见，假设我有一张图的值范围为（0…0.3），另一张图的值范围为（0.2…0.8）。

在这两张图中，我都希望颜色条的范围为（0…1）。在这两张图中，我希望使用上面完整的cdict范围来确保颜色范围相同（因此在两张图中，0.25将是相同的颜色）。在第一张图中，所有0.3到1.0之间的颜色都不会出现在图中，但会出现在侧边的颜色条键中。在另一张图中，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中，但会出现在侧边的颜色条中。

- Paul

6个回答

130

使用CLIM函数（类似于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()

- Amro

4

我认为clim()函数可以调整颜色轴，但颜色本身的数值会发生变化。在颜色刻度的特定分数位置上的点，无论刻度如何，其颜色都将保持不变，但它所代表的数值将会改变。 - Paul

4

明白。这是提问者期望的行为，因此解决了问题：使得图表之间的颜色比例尺相同。 - Excalabur

24

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

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)

通过使用两个不同的限制，您可以控制色条的范围和图例。在这个例子中，色条仅显示-0.5到1.5之间的范围，而颜色映射覆盖了-2到2的范围（因此这可能是您在缩放之前记录的数据范围）。

因此，您可以将数据进行缩放并使色条适应数据的范围，而不是缩放颜色映射。

- nikow

1

我认为这做了一些微妙的不同...抱歉，我可能在我的问题中没有足够准确。您的解决方案将缩放颜色，以便以前表示值1.0的内容现在表示我的数据中的最大值。 colorbar将显示我需要的0..1（使用vmin = 0，vmax = 1），但是超过此最大值的所有内容将具有相同的颜色... - Paul

2

我已经更新了我的问题，以更清楚地展示我想要的内容。如果我之前表述不够清晰，对此我很抱歉。 - Paul

18

使用figure环境和.set_clim()

如果您有多个图表，使用这种选择可能更加简单和安全：

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()

一个单色条

最好的替代方法是为整个绘图使用单个色条。有不同的方法可以实现这一点，这篇教程非常有用，可以了解最佳选项。我倾向于使用这种解决方案，你只需要复制和粘贴代码中以前的 visualizing colorbar part 。

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)

P.S.

我建议使用pcolormesh而不是pcolor，因为它更快（更多信息参见此处）。

- G M

0

颜色条范围可以通过将元组传递给`pcolormesh`/`pcolor`调用中的`clim=`关键字参数来设置。

plt.pcolormesh(X, Y, v, cmap=cm, clim=(-4, 4))

如果在pcolormesh调用之后需要更新colorbar范围，那么最简单的方法是使用plt.clim，正如其他人所提到的。另一种方法是通过pcolormesh/pcolor调用创建的QuadMesh/PolyCollection对象的colors.Normalize对象来实现。

pmesh = plt.pcolormesh(X, Y, v, cmap=cm)
pmesh.norm.autoscale([-4, 4])

^{顺便说一句，Quadmesh位于Axes实例的collections中，因此如果pcolormesh的结果没有被赋值给变量，也可以使用pmesh = plt.gca().collections[0]。}

使用tom10的设置，可以写成如下形式。

import matplotlib as mpl
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 = mpl.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

X, Y = np.meshgrid(*[np.arange(0, 10, .1)]*2)

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

pairs = [(lambda x:x, "all"), 
         (lambda x:np.clip(x, -4, 0), "<0"), 
         (lambda x:np.clip(x, 0, 4), ">0")]


fig, axs = plt.subplots(1, 3)
for i, (f, title) in enumerate(pairs):
    pmesh = axs[i].pcolormesh(X, Y, f(data), cmap=cm, clim=(-4, 4))
    #                                                 ^^^^^^^^^^^^  <---- set vmin and vmax
    axs[i].set_title(title)
    fig.colorbar(pmesh)

fig.tight_layout();

不必为多个子图复制颜色条，将一个颜色条附加在图的右侧可能更"美观"。 @G M已经提出了一种解决方案，通过硬编码颜色条边界来实现，但是可以使用在此定义的函数动态设置边界here。

对于当前示例，可以按如下方式编写。

fig, axs = plt.subplots(1, 3)
for i, (f, title) in enumerate(pairs):
    axs[i].pcolormesh(X, Y, f(data), cmap=cm, clim=(-4, 4))
    axs[i].set_title(title)

l, b, w, h = axs[-1].get_position().bounds
cax = fig.add_axes([l + w + 0.03, b, 0.03, h])
fig.colorbar(axs[-1].collections[0], cax=cax)

- cottontail

-1

在使用

环境时，可以通过使用colorbar的实例来设置colorbar的范围，即colorbar.ax.set_ylim(low, high)。

fig, ax = plt.subplots()
im = ax.contourf(...)
colorbar = fig.colorbar(im, ax= ax)
colorbar.ax.set_ylim(0, 1)

- Avinash Kumar Ranjan

感谢您为Stack Overflow社区做出的贡献。这可能是一个正确的答案，但如果您能提供代码的额外解释，那将对开发人员理解您的思路非常有帮助。对于不太熟悉语法或者正在努力理解概念的新手开发人员来说，这尤其有用。您是否可以编辑您的答案，以便为社区的利益提供更多细节？ - Jeremy Caney

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

- tom10 · Accepted Answer

使用vmin和vmax可以强制颜色的范围。以下是一个示例：

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()