cmap的色彩映射，例如：cmap = matplotlib.cm.get_cmap('Spectral')
如何在0和1之间获取特定的颜色，其中0是地图中的第一种颜色，1是地图中的最后一种颜色？
理想情况下，我可以通过执行以下操作来获取地图中的中间颜色：
>>> do_some_magic(cmap, 0.5) # Return an RGBA tuple
(0.1, 0.2, 0.3, 1.0)
import matplotlib
cmap = matplotlib.cm.get_cmap('Spectral')
rgba = cmap(0.5)
print(rgba) # (0.99807766255210428, 0.99923106502084169, 0.74602077638401709, 1.0)
[0.0, 1.0]。这可以使用 matplotlib.colors.Normalize 轻松完成，就像下面的示例中所示，其中参数vmin和vmax描述应映射到0.0和1.0的数字。import matplotlib
norm = matplotlib.colors.Normalize(vmin=10.0, vmax=20.0)
print(norm(15.0)) # 0.5
为了获得rgba的整数值而不是浮点数值，我们可以执行以下操作：
rgba = cmap(0.5,bytes=True)
所以根据Ffisegydd的回答，为了简化代码，代码应该像这样：
#import colormap
from matplotlib import cm
#normalize item number values to colormap
norm = matplotlib.colors.Normalize(vmin=0, vmax=1000)
#colormap possible values = viridis, jet, spectral
rgba_color = cm.jet(norm(400),bytes=True)
#400 is one of value between 0 and 1000
我曾遇到类似的情况，在这种情况下，我需要从一个颜色地图中获取“n”个颜色，以便将每个颜色分配给我的数据。 我在名为“mycolorpy”的软件包中编写了一段代码。 您可以使用以下命令通过 pip 安装它：
pip install mycolorpy
from mycolorpy import colorlist as mcp
import numpy as np
示例：从cmap“ winter”创建一个包含5个十六进制字符串的列表
color1=mcp.gen_color(cmap="winter",n=5)
print(color1)
输出：
['#0000ff', '#0040df', '#0080bf', '#00c09f', '#00ff80']
从 cmap bwr 中生成 16 种颜色列表的另一个示例：
color2=mcp.gen_color(cmap="bwr",n=16)
print(color2)
输出：
['#0000ff', '#2222ff', '#4444ff', '#6666ff', '#8888ff', '#aaaaff', '#ccccff', '#eeeeff', '#ffeeee', '#ffcccc', '#ffaaaa', '#ff8888', '#ff6666', '#ff4444', '#ff2222', '#ff0000']
这里有一个python笔记本，其中包含使用示例以更好地可视化。
比如你想要从一个经过归一化的数据生成颜色列表。你可以使用以下代码：
a=random.randint(1000, size=(200))
a=np.array(a)
color1=mcp.gen_color_normalized(cmap="seismic",data_arr=a)
plt.scatter(a,a,c=color1)
输出结果：
你还可以使用以下方式颠倒颜色：
color1=mcp.gen_color_normalized(cmap="seismic",data_arr=a,reverse=True)
plt.scatter(a,a,c=color1)
输出：
我曾经遇到类似的问题，但我需要在连续的图中使用高度对比的颜色。我还制作了一个包含参考数据的公共子图的图表，因此我希望颜色序列是一致可重复的。
最初我尝试随机生成颜色，并在每个绘图之前重新设置随机数种子。这样做效果还行（在下面的代码中被注释掉），但可能会生成几乎无法区分的颜色。我想要高度对比的颜色，最好从包含所有颜色的色图中采样。
我可以在单个图中拥有多达31个数据系列，因此我将色图划分为那么多步骤。然后按照一定的顺序走这些步骤，以确保我不会很快返回给定的颜色附近。
我的数据是高度不规则的时间序列，因此我想同时看到点和线，其中点具有与线相反的颜色。
考虑到上述所有因素，最容易的方法是生成一个包含绘制各个系列所需参数的字典，然后将其作为调用的一部分进行扩展。
以下是我的代码。也许不太美观，但功能正常。
from matplotlib import cm
cmap = cm.get_cmap('gist_rainbow') #('hsv') #('nipy_spectral')
max_colors = 31 # Constant, max mumber of series in any plot. Ideally prime.
color_number = 0 # Variable, incremented for each series.
def restart_colors():
global color_number
color_number = 0
#np.random.seed(1)
def next_color():
global color_number
color_number += 1
#color = tuple(np.random.uniform(0.0, 0.5, 3))
color = cmap( ((5 * color_number) % max_colors) / max_colors )
return color
def plot_args(): # Invoked for each plot in a series as: '**(plot_args())'
mkr = next_color()
clr = (1 - mkr[0], 1 - mkr[1], 1 - mkr[2], mkr[3]) # Give line inverse of marker color
return {
"marker": "o",
"color": clr,
"mfc": mkr,
"mec": mkr,
"markersize": 0.5,
"linewidth": 1,
}
我的背景是JupyterLab和Pandas，这里是样本绘图代码：
restart_colors() # Repeatable color sequence for every plot
fig, axs = plt.subplots(figsize=(15, 8))
plt.title("%s + T-meter"%name)
# Plot reference temperatures:
axs.set_ylabel("°C", rotation=0)
for s in ["T1", "T2", "T3", "T4"]:
df_tmeter.plot(ax=axs, x="Timestamp", y=s, label="T-meter:%s" % s, **(plot_args()))
# Other series gets their own axis labels
ax2 = axs.twinx()
ax2.set_ylabel(units)
for c in df_uptime_sensors:
df_uptime[df_uptime["UUID"] == c].plot(
ax=ax2, x="Timestamp", y=units, label="%s - %s" % (units, c), **(plot_args())
)
fig.tight_layout()
plt.show()
色图具有自己的归一化方法，因此如果您已经制作了一个绘图，您可以访问某个值处的颜色。
import matplotlib.pyplot as plt
import numpy as np
cmap = plt.cm.viridis
cm = plt.pcolormesh(np.random.randn(10, 10), cmap=cmap)
print(cmap(cm.norm(2.2)))
在Ffisegydd和amaliammr的解决方案基础上，这里有一个示例，我们为自定义颜色映射制作CSV表示：
#! /usr/bin/env python3
import matplotlib
import numpy as np
vmin = 0.1
vmax = 1000
norm = matplotlib.colors.Normalize(np.log10(vmin), np.log10(vmax))
lognum = norm(np.log10([.5, 2., 10, 40, 150,1000]))
cdict = {
'red':
(
(0., 0, 0),
(lognum[0], 0, 0),
(lognum[1], 0, 0),
(lognum[2], 1, 1),
(lognum[3], 0.8, 0.8),
(lognum[4], .7, .7),
(lognum[5], .7, .7)
),
'green':
(
(0., .6, .6),
(lognum[0], 0.8, 0.8),
(lognum[1], 1, 1),
(lognum[2], 1, 1),
(lognum[3], 0, 0),
(lognum[4], 0, 0),
(lognum[5], 0, 0)
),
'blue':
(
(0., 0, 0),
(lognum[0], 0, 0),
(lognum[1], 0, 0),
(lognum[2], 0, 0),
(lognum[3], 0, 0),
(lognum[4], 0, 0),
(lognum[5], 1, 1)
)
}
mycmap = matplotlib.colors.LinearSegmentedColormap('my_colormap', cdict, 256)
norm = matplotlib.colors.LogNorm(vmin, vmax)
colors = {}
count = 0
step_size = 0.001
for value in np.arange(vmin, vmax+step_size, step_size):
count += 1
print("%d/%d %f%%" % (count, vmax*(1./step_size), 100.*count/(vmax*(1./step_size))))
rgba = mycmap(norm(value), bytes=True)
color = (rgba[0], rgba[1], rgba[2])
if color not in colors.values():
colors[value] = color
print ("value, red, green, blue")
for value in sorted(colors.keys()):
rgb = colors[value]
print("%s, %s, %s, %s" % (value, rgb[0], rgb[1], rgb[2]))
import matplotlib
# Choose colormap
cmap = plt.cm.get_cmap('terrain', N)
colors = [matplotlib.colors.to_hex(cmap(i)) for i in range(N)]
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
# Choose a colormap from Matplotlib
colormap = plt.cm.viridis
# Set number of colors
num_colors = 5
# Create a ListedColormap with discrete colors
discrete_cmap = ListedColormap(colormap(np.linspace(0, 1, num_colors)))
# Output RGB values
for i, rgb in enumerate(discrete_cmap.colors):
print(f"Color {i + 1}: RGB = {rgb}")
# Plot a colorbar to visualize
plt.imshow([[i] for i in range(num_colors)], cmap=discrete_cmap, aspect='auto')
plt.colorbar(ticks=range(num_colors))
plt.show()
如果想要快速并且简单粗暴，可以直接使用地图。 或者你也可以按照 @amaliammr 所说的做。
data_size = 23 # range 0..23
colors = plt.cm.turbo
color_normal = colours.N/data_size
for i in range(data_size):
col = colours.colors[int(i*color_normal)]
cmap.set_under('red'); print cmap(0.0), cmap(-0.01)- Joe Kingtonmodule 'matplotlib' has no attribute 'cm'，请尝试将前两行替换为import matplotlib.pyplot as plt; cmap = plt.cm.get_cmap('Spectral')。 - pretzlstyleset_bad的等效函数？ - akoziimport matplotlibcmap = matplotlib.colormaps["Spectral"]- Gleb Ryabov