从PatchCollection添加一个matplotlib colorbar

Question

我正在将一个Shapely的MultiPolygon转换成一个PatchCollection，首先为每个Polygon着色：

# ldn_mp is a MultiPolygon
cm = plt.get_cmap('RdBu')
num_colours = len(ldn_mp)

fig = plt.figure()
ax = fig.add_subplot(111)
minx, miny, maxx, maxy = ldn_mp.bounds
w, h = maxx - minx, maxy - miny
ax.set_xlim(minx - 0.2 * w, maxx + 0.2 * w)
ax.set_ylim(miny - 0.2 * h, maxy + 0.2 * h)
ax.set_aspect(1)

patches = []
for poly in ldn_mp:
    colour = cm(1. * len(filter(poly.contains, points)) / num_colours)
    patches.append(PolygonPatch(poly, fc=colour, ec='#555555', lw=0.2, alpha=1., zorder=1))
pc = PatchCollection(patches, match_original=True)
ax.add_collection(pc)
ax.set_xticks([])
ax.set_yticks([])
plt.title("Density of NO$^2$ Sensors by Borough")
plt.tight_layout()
plt.show()

但是我想在我的绘图中添加一个基于PatchCollection颜色的色条。我不确定如何做到这一点；我是否在创建pc时传递关键字？然后如何使用我已经使用的颜色调用set_array()？

- urschrei

Answer 1

我之前也遇到了同样的问题。对于每个多边形，我将相应的颜色保存到一个名为mycolors的列表中：

mycolors=[]
...
mycolors.append(SSTvalue)
path_patch = patches.PathPatch(mypath, lw=1)
mypatches.append(path_patch)

我循环遍历了存储在Shapefile中的一系列多边形，并将每个补丁存储在集合中。之后，我使用我存储在列表中的颜色信息绘制了多边形，最终将其转换为数组，并添加了一个颜色条：

p = PatchCollection(mypatches, cmap=plt.get_cmap('RdYlBu_r'), alpha=1.0)
p.set_array(array(mycolors))
p.set_clim([np.ma.min(mycolors),np.ma.max(mycolors)])
plt.colorbar(p,shrink=0.5)

我使用的完整脚本用于绘制代表世界大海生态系统的多边形的温度值，具有颜色和色条可以在这里找到。希望这有所帮助。谢谢，Trond

- Trond Kristiansen

---

我最终做了类似的事情：存储驱动颜色映射值的计数，将其归一化为0,1区间（colours），然后创建一个ScalarMappable，执行set_array和set_clim。创建PatchCollection后，我将其facecolor设置为colormap(colours)，效果非常好。谢谢！ - urschrei

Answer 2

假设您在使用pandas或numpy数组，无需创建额外的列表。

例如：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.collections import PatchCollection
from matplotlib import cm

fig, ax = plt.subplots()
for c_l ,patches in dict_mapindex_mpl_polygon.items():
    color = df_map_elements.loc[c_l, 'stress_level']
    p = PatchCollection(patches,color=cm.Set2(color),lw=.3,edgecolor='k')
    ax.add_collection(p)
ax.autoscale_view()

p.set(array=df_map_elements['stress_level'].values, cmap='Set2')

fig.colorbar(p, label="Stress (index)")

plt.show()

- Philipp Schwarz