cmap到Matplotlib中的rgba

Question

我有一个具体的实现问题，涉及使用色映射（cmap）提取映射出的数据并将其转换为rgba值。 本质上，我有一堆数据，我想创建一个errorbar（）图，其中点以及误差条本身都由其他值的大小进行着色（具体来说，可以说它对卡方的贡献某些模型的拟合度）。 假设我有一个名为D的（N，4）数组，其中前两列是X和Y数据，第三列是误差线的值，最后一列是其对卡方函数的贡献。

我该如何做：1）将卡方贡献值的范围映射到cmap，其次，2）如何从这些值中获取rgba值，以便遍历errorbar（）函数以绘制我希望的图情节？

这实际上可能是有帮助的（ http://matplotlib.org/api/cm_api.html ），但是我找不到有关如何使用ScalarMappable（）的任何示例或其他信息（它确实具有to_rgba（）方法） 。

谢谢！

Answer 1

您可以通过在值上的matplotlib.cm调用对象，将标量值映射到颜色图。 值应介于0到1之间。因此，要获得一些卡方分布数据（我将随机生成）的RBGA值，我将执行以下操作：

chisq = np.random.chisquare(4, 8)
chisq -= chisq.min()
chisq /= chisq.max()
errorbar_colors = cm.winter(chisq)

您可以减去最小值，然后除以所需的最大值，而不必用最低和最高实际值来开始和结束色标。

现在， errorbar_colors将是winter颜色图中的(8, 4) errorbar_colors (8, 4) RGBA值数组：

array([[ 0.        ,  0.7372549 ,  0.63137255,  1.        ],
       [ 0.        ,  0.7372549 ,  0.63137255,  1.        ],
       [ 0.        ,  0.4745098 ,  0.7627451 ,  1.        ],
       [ 0.        ,  1.        ,  0.5       ,  1.        ],
       [ 0.        ,  0.36078431,  0.81960784,  1.        ],
       [ 0.        ,  0.47843137,  0.76078431,  1.        ],
       [ 0.        ,  0.        ,  1.        ,  1.        ],
       [ 0.        ,  0.48627451,  0.75686275,  1.        ]])

要绘制此图形，您可以遍历颜色和数据点并绘制误差线：

heights = np.random.randn(8)
sem = .4

for i, (height, color) in enumerate(zip(heights, errorbar_colors)):
    plt.plot([i, i], [height - sem, height + sem], c=color, lw=3)
plt.plot(heights, marker="o", ms=12, color=".3")

但是，没有内置的matplotlib颜色图非常适合此任务。 为了进行一些改进，您可以使用seaborn生成可用于对线条进行着色的顺序调色板：

import numpy as np
import seaborn
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap

chisq = np.random.chisquare(4, 8)
chisq -= chisq.min()
chisq /= chisq.max()

cmap = ListedColormap(seaborn.color_palette("GnBu_d"))
errorbar_colors = cmap(chisq)

heights = np.random.randn(8)
sem = .4

for i, (height, color) in enumerate(zip(heights, errorbar_colors)):
    plt.plot([i, i], [height - sem, height + sem], c=color, lw=3)
plt.plot(heights, marker="o", ms=12, color=".3")

但是即使在这里，我仍然怀疑这是否是传达您观点的最好方法。 我不完全知道您的数据是什么样子，但是我建议您进行两次绘图，其中一次使用您将在此处绘制的因变量，第二次使用卡方统计作为因变量。 另外，如果您对误差线的大小与卡方值之间的关系感兴趣，我可以直接使用散点图进行绘制。