在Matplotlib中更改颜色条渐变

Question

我有一个权重网格(Y)，随时间(X)演变： 由于正负权重之间的分布是非对称的，我无法正确区分权重的变化。应该识别零权重，因为它意味着给定的变量未被使用。

出于这些原因，我想要改变颜色渐变，得到像这些(要么a或b)： 如何解决这个问题？

- JrCaspian

Answer 1

matplotlib中的色条将0到1之间的数字映射为一种颜色。为了将其他数字映射为颜色，您需要先将其归一化到范围[0,1]。这通常是从最小和最大数据自动完成的，或者通过使用相应绘图函数的vmin和vmax参数来完成。在内部，使用一个归一化实例matplotlib.colors.Normalize来执行归一化，默认情况下假定vmin和vmax之间的线性比例尺。

在这里，您需要一个非线性比例尺，它可以（a）将中间点移动到某个指定值，并且（b）压缩该值周围的颜色。

现在的想法是子类化matplotlib.colors.Normalize并让它返回满足条件（a）和（b）的映射。

一种选项可能是组合两个根函数，如下所示。

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

class SqueezedNorm(matplotlib.colors.Normalize):
    def __init__(self, vmin=None, vmax=None, mid=0, s1=2, s2=2, clip=False):
        self.vmin = vmin # minimum value
        self.mid  = mid  # middle value
        self.vmax = vmax # maximum value
        self.s1=s1; self.s2=s2
        f = lambda x, zero,vmax,s: np.abs((x-zero)/(vmax-zero))**(1./s)*0.5
        self.g = lambda x, zero,vmin,vmax, s1,s2: f(x,zero,vmax,s1)*(x>=zero) - \
                                             f(x,zero,vmin,s2)*(x<zero)+0.5
        matplotlib.colors.Normalize.__init__(self, vmin, vmax, clip)

    def __call__(self, value, clip=None):
        r = self.g(value, self.mid,self.vmin,self.vmax, self.s1,self.s2)
        return np.ma.masked_array(r)


fig, (ax, ax2, ax3) = plt.subplots(nrows=3, 
                                   gridspec_kw={"height_ratios":[3,2,1], "hspace":0.25})

x = np.linspace(-13,4, 110)
norm=SqueezedNorm(vmin=-13, vmax=4, mid=0, s1=1.7, s2=4)

line, = ax.plot(x, norm(x))
ax.margins(0)
ax.set_ylim(0,1)

im = ax2.imshow(np.atleast_2d(x).T, cmap="Spectral_r", norm=norm, aspect="auto")
cbar = fig.colorbar(im ,cax=ax3,ax=ax2, orientation="horizontal")

该函数被选择为独立于其参数将任何范围映射到范围 [0,1] ，以便可以使用颜色地图。参数 mid 确定应将哪个值映射到颜色地图的中间。在这种情况下，这将是 0 。参数 s1 和 s2 确定颜色地图在两个方向上的压缩程度。

设置 mid = np.mean（vmin，vmax），s1 = 1，s2 = 1 将恢复原始比例。

为了选择好的参数，可以使用一些滑块来查看实时更新的图表。

from matplotlib.widgets import Slider

midax = plt.axes([0.1, 0.04, 0.2, 0.03], facecolor="lightblue")
s1ax = plt.axes([0.4, 0.04, 0.2, 0.03], facecolor="lightblue")
s2ax = plt.axes([0.7, 0.04, 0.2, 0.03], facecolor="lightblue")

mid = Slider(midax, 'Midpoint', x[0], x[-1], valinit=0)
s1 = Slider(s1ax, 'S1', 0.5, 6, valinit=1.7)
s2 = Slider(s2ax, 'S2', 0.5, 6, valinit=4)


def update(val):
    norm=SqueezedNorm(vmin=-13, vmax=4, mid=mid.val, s1=s1.val, s2=s2.val)
    im.set_norm(norm)
    cbar.update_bruteforce(im) 
    line.set_ydata(norm(x))
    fig.canvas.draw_idle()

mid.on_changed(update)
s1.on_changed(update)
s2.on_changed(update)

fig.subplots_adjust(bottom=0.15)

- ImportanceOfBeingErnest

Answer 2

您可以使用自定义的normalizer。方便起见，文档中的示例已经是“替代中点”正规化器。该示例由Joe Kington创建，所有功劳归于他。

请参见此页面底部： https://matplotlib.org/users/colormapnorms.html

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

自定义规范化类：

class MidpointNormalize(mpl.colors.Normalize):
    ## class from the mpl docs:
    # https://matplotlib.org/users/colormapnorms.html

    def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
        self.midpoint = midpoint
        super().__init__(vmin, vmax, clip)

    def __call__(self, value, clip=None):
        # I'm ignoring masked values and all kinds of edge cases to make a
        # simple example...
        x, y = [self.vmin, self.midpoint, self.vmax], [0, 0.5, 1]
        return np.ma.masked_array(np.interp(value, x, y))    

结果：

data = np.linspace(-5,1,100)[None,:]

fig, axs = plt.subplots(2,1, figsize=(5,2), facecolor='w', subplot_kw=dict(xticks=[], yticks=[]))

props = dict(aspect=15, cmap=plt.cm.coolwarm)

axs[0].imshow(data, **props)
axs[1].imshow(data, norm=MidpointNormalize(midpoint=0), **props)

这是一个相对简单的例子，但更复杂的缩放可以通过类似的方式实现。

- Rutger Kassies