使用Matplotlib创建自定义色图并绘制颜色刻度

Question

我有以下问题，我想创建自己的颜色地图（红色-混合-紫色-混合-蓝色），将其映射到-2到+2之间的值，并希望使用它来在绘图中着色。 然后，该绘图应具有正确的颜色比例尺。

这是我目前创建地图的方式。但我不确定它是否混合了颜色。

cmap = matplotlib.colors.ListedColormap(["red","violet","blue"], name='from_list', N=None)
m = cm.ScalarMappable(norm=norm, cmap=cmap)

我通过这种方式将颜色映射到值上。

colors = itertools.cycle([m.to_rgba(1.22), ..])

然后我把它画出来：

for i in range(0, len(array_dg)):
  plt.plot(array_dg[i], markers.next(),alpha=alpha[i], c=colors.next())

我的问题是：
1. 我无法绘制颜色比例尺。
2. 我不确定我的比例尺是否创建了连续（平滑）的颜色比例尺。

- Trollbrot

---

你能否稍微澄清一下你的问题？例如，c=指定了线条颜色，而你在谈论点。如果你真的想要点，那么你只能指定一个markerfacecolor，使用scatter可能是更好的选择。而且确实ListedColormap是列出的，不是连续的，可以看看LinearSegmentedColormap。 - Rutger Kassies

很奇怪，它应该是点，看起来也像点。 - Trollbrot

当然可以，但这是你需要澄清的事情。我们无法看到你正在使用哪种绘图样式。如果你使用 plt.plot(values, 'o')，你将只绘制标记而没有线条，但标记将具有一个固定的颜色，它不会（也不能）随着值的变化而改变。 - Rutger Kassies

Answer 1

由于其他回答中使用的方法对于这样简单的任务似乎相当复杂，这里提供了一个新的答案：

你可以使用LinearSegmentedColormap而不是产生离散颜色映射的ListedColormap。 这可以使用from_list 方法轻松创建。

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

x,y,c = zip(*np.random.rand(30,3)*4-2)

norm=plt.Normalize(-2,2)
cmap = matplotlib.colors.LinearSegmentedColormap.from_list("", ["red","violet","blue"])

plt.scatter(x,y,c=c, cmap=cmap, norm=norm)
plt.colorbar()
plt.show()

---

更一般地，如果您有一个值列表（例如[-2.，-1，2]）和相应的颜色列表（例如["red"，"violet"，"blue"]），使得第n个值应对应于第n个颜色，则可以将值标准化并将其作为元组提供给from_list方法。

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

x,y,c = zip(*np.random.rand(30,3)*4-2)

cvals  = [-2., -1, 2]
colors = ["red","violet","blue"]

norm=plt.Normalize(min(cvals),max(cvals))
tuples = list(zip(map(norm,cvals), colors))
cmap = matplotlib.colors.LinearSegmentedColormap.from_list("", tuples)

plt.scatter(x,y,c=c, cmap=cmap, norm=norm)
plt.colorbar()
plt.show()

- ImportanceOfBeingErnest

---

现在，您如何将自定义的范围传递给它？例如，red 对应于 -5，violet 对应于 1，blue 对应于 100。如果您能查看我在这里提出的问题，我将不胜感激。 - Cleb

使用相应绘图方法的vmin和vmax或norm参数。 - ImportanceOfBeingErnest

这可能没有完全定制地图中所接受的答案那么灵活，但那太过复杂了，而我认为这个答案正是大多数人在想要自定义颜色映射时所需要的。 - BjornW

@Notso LinearSegmentedColormap.from_list("", [(0,"red"), (.1,"violet"), (.5, "blue"), (1.0, "green")])。我更新了答案，希望这样更清楚明白。 - ImportanceOfBeingErnest

@ShaunLowis 在这种特定情况下，您可以自己插值RGB值。更一般地说，您可以先创建一个颜色映射，并在非等距步骤中取映射的颜色。例如，如果cmap是原始的颜色映射，则cvals=[-12, -2,0,2,12]; colors = cmap(plt.Normalize(-12,12)(np.array(cvals)))将为您提供挤压映射的新颜色。 - ImportanceOfBeingErnest

Answer 2

这里有一个说明性的例子如何创建自定义色图。 docstring对于理解cdict的含义至关重要。一旦你掌握了这个，你可以像这样使用cdict:

cdict = {'red':   ((0.0, 1.0, 1.0), 
                   (0.1, 1.0, 1.0),  # red 
                   (0.4, 1.0, 1.0),  # violet
                   (1.0, 0.0, 0.0)), # blue

         'green': ((0.0, 0.0, 0.0),
                   (1.0, 0.0, 0.0)),

         'blue':  ((0.0, 0.0, 0.0),
                   (0.1, 0.0, 0.0),  # red
                   (0.4, 1.0, 1.0),  # violet
                   (1.0, 1.0, 0.0))  # blue
          }

尽管 cdict 格式给了你很大的灵活性，但我发现对于简单的渐变，它的格式相当不直观。这里有一个实用函数来帮助生成简单的线性分段调色板：

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


def make_colormap(seq):
    """Return a LinearSegmentedColormap
    seq: a sequence of floats and RGB-tuples. The floats should be increasing
    and in the interval (0,1).
    """
    seq = [(None,) * 3, 0.0] + list(seq) + [1.0, (None,) * 3]
    cdict = {'red': [], 'green': [], 'blue': []}
    for i, item in enumerate(seq):
        if isinstance(item, float):
            r1, g1, b1 = seq[i - 1]
            r2, g2, b2 = seq[i + 1]
            cdict['red'].append([item, r1, r2])
            cdict['green'].append([item, g1, g2])
            cdict['blue'].append([item, b1, b2])
    return mcolors.LinearSegmentedColormap('CustomMap', cdict)


c = mcolors.ColorConverter().to_rgb
rvb = make_colormap(
    [c('red'), c('violet'), 0.33, c('violet'), c('blue'), 0.66, c('blue')])
N = 1000
array_dg = np.random.uniform(0, 10, size=(N, 2))
colors = np.random.uniform(-2, 2, size=(N,))
plt.scatter(array_dg[:, 0], array_dg[:, 1], c=colors, cmap=rvb)
plt.colorbar()
plt.show()

---

顺便说一下，for循环。

for i in range(0, len(array_dg)):
  plt.plot(array_dg[i], markers.next(),alpha=alpha[i], c=colors.next())

每次调用plt.plot将为一个点绘制一个图表。这适用于少量的点，但对于许多点来说，速度会变得极其缓慢。 plt.plot只能绘制一种颜色，但是plt.scatter可以为每个点分配不同的颜色。因此，使用plt.scatter是正确的方式。

- unutbu

---

为什么我不能在plt.set_cmap()中使用这个神奇函数创建的颜色映射？错误信息非常长，最后一行是ValueError：Colormap CustomMap未被识别。 - Phlya

首先注册颜色映射：plt.register_cmap(name=rvb.name, cmap=rvb)，然后调用plt.set_cmap(rvb)。 - unutbu

有没有关于如何在plt.cm中使用它的建议？我希望通过x与y的比率来给我的散点图上色。之前我使用的是color = plt.cm.cool(x/y)和ax.scatter(x,y,c=colors)。 - As3adTintin

@As3adTintin：上面的rvb是一个完整的颜色映射，就像plt.cm.cool一样。因此它们是可互换的：color = rvb(x/y)。 - unutbu

@unutbu 哦，就在那里...不管怎样，非常感谢你的回答！ - As3adTintin

Answer 3

如果您想自动创建常用于表面绘图的定制发散色图，那么结合@unutbu方法使用此模块对我很有帮助。

def diverge_map(high=(0.565, 0.392, 0.173), low=(0.094, 0.310, 0.635)):
    '''
    low and high are colors that will be used for the two
    ends of the spectrum. they can be either color strings
    or rgb color tuples
    '''
    c = mcolors.ColorConverter().to_rgb
    if isinstance(low, basestring): low = c(low)
    if isinstance(high, basestring): high = c(high)
    return make_colormap([low, c('white'), 0.5, c('white'), high])

高值和低值可以是字符串颜色名称或RGB元组。这是使用surface plot demo的结果：

- Steven C. Howell

Answer 4

这对我来说似乎有效。

def make_Ramp( ramp_colors ): 
    from colour import Color
    from matplotlib.colors import LinearSegmentedColormap

    color_ramp = LinearSegmentedColormap.from_list( 'my_list', [ Color( c1 ).rgb for c1 in ramp_colors ] )
    plt.figure( figsize = (15,3))
    plt.imshow( [list(np.arange(0, len( ramp_colors ) , 0.1)) ] , interpolation='nearest', origin='lower', cmap= color_ramp )
    plt.xticks([])
    plt.yticks([])
    return color_ramp

custom_ramp = make_Ramp( ['#754a28','#893584','#68ad45','#0080a5' ] ) 

- Can Sucuoglu