我可以从 colors 和 for 循环的列表中 plot 一个颜色条吗？

Question

这是我正在处理的 Python 代码的一部分：

cm = LinearSegmentedColormap.from_list('defcol', ["#000000", "#FF0000"])
trace_color = cm(np.linspace(0,1,cycles))
for k, color in zip(range(cycles),trace_color):
        lis = KL_rest[k::cycles]
        plt.scatter(scanpoints, lis, color = color, marker = '^', alpha = 0.9)

在这里，我使用 for 循环生成散点图 plot，而 colors 来自列表trace_color 。 我的问题是我是否可以生成一个颜色条，其中 colors 来自trace_color并且颜色条上的标签（比例）来自range(cycles) 。 我试图在 for 循环之后添加plt.colorbar()但这没有用。 谢谢！！

Answer 1

Matplotlib 的颜色条需要一个ScalarMappable object。默认情况下，它取自绘制的内容，例如在一次调用中创建的散点图 plot。 如果您需要组合多个调用的结果，您可以创建一个自己的ScalarMappable 。 它需要一个 colormap 和一个 norm 。

from matplotlib import pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
from matplotlib.cm import ScalarMappable
import numpy as np

cycles = 7
N = 100
KL_rest = np.sin(np.linspace(0, 10 * np.pi, cycles * N))
scanpoints = np.arange(N)
cm = LinearSegmentedColormap.from_list('defcol', ["#000000", "#FF0000"])
trace_color = cm(np.linspace(0, 1, cycles))
for k, color in zip(range(cycles), trace_color):
    lis = KL_rest[k::cycles]
    plt.scatter(scanpoints, lis, color=color, marker='^', alpha=0.9)
plt.colorbar(ScalarMappable(cmap=cm, norm=plt.Normalize(0, cycles - 1)), ticks=np.arange(cycles), label='cycles')
plt.show()

请注意，在这种情况下，您可以在一个 go 中创建散点图 plot，启用默认颜色条。 为此，可以为每个循环重复扫描点，并且可以通过为每个扫描点平铺循环来指示scanpoints 。

如果只想显示真正使用过的 colors，可以在颜色 map 的创建中添加N=cycles 。要将每个数字的刻度线放在单元格的中心，可以将默认限制移动0.5 。

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

cycles = 7
N = 100
KL_rest = np.sin(np.linspace(0, 10 * np.pi, cycles * N))
scanpoints = np.arange(N)
cm = LinearSegmentedColormap.from_list('defcol', ["#000000", "#FF0000"], N=cycles)

plt.scatter(np.repeat(scanpoints, cycles), KL_rest,
            c=np.tile(range(cycles), len(scanpoints)),
            cmap=cm, norm=plt.Normalize(-0.5, cycles - 0.5),
            marker='^', alpha=0.9)
plt.colorbar(ticks=np.arange(cycles), label='cycles')
plt.show()