带有分类数据的网格化 Holoviews 可视化的图例

Question

我正在使用 holoviz xarray 扩展 ( holoviews.xarray ) 来可视化具有土地覆盖类的网格化数据集。 使用da.hvplot()绘制数据非常简单。 然而，这会产生带有标准刻度标签的连续颜色图，而我需要使用特定颜色图绘制的类别及其包含在图例中的标签。

那么如何使用 Holoviews 绘制网格分类数据呢？ 我的情节需要：

• 根据特定的颜色图（十六进制颜色代码）绘制类别。
• 包括带有标签["water", "cirrus", ...]的图例。
• 处理数据不包含所有类的情况。 说明，当使用da.hvplot(cmap=tuple(color_key.values())而da不包含所有类时，这通常会导致颜色条刻度与颜色类不匹配的绘图。
• 在绘制的数据之外有一个图例。

到目前为止，我得到的最好的是下面提供的示例。 但是我怎样才能把那个传说移出情节呢？ 还是有更直接的解决方案？

import holoviews as hv
import hvplot.xarray
import numpy as np
import xarray as xr

color_key = {
    "No Data": "#000000",
    "Saturated / Defective": "#ff0000",
    "Dark Area Pixels": "#2f2f2f",
    "Cloud Shadows": "#643200",
    "Vegetation": "#00a000",
    "Bare Soils": "#ffe65a",
    "water": "#0000ff",
    "Clouds low probability / Unclassified": "#808080",
    "Clouds medium probability": "#c0c0c0",
    "Clouds high probability": "#ffffff",
    "Cirrus": "#64c8ff",
    "Snow / Ice": "#ff96ff",
}


# Generate sample data
nx = 40
ny = 70

xcoords = [37 + 0.1 * i for i in range(nx)]
ycoords = [5 + 0.2 * i for i in range(ny)]

data = np.random.randint(low=0, high=len(color_key), size=nx * ny).reshape(nx, ny)
da = xr.DataArray(
    data,
    dims=["x", "y"],
    coords={"x": xcoords, "y": ycoords},
)

# Visualization
legend = hv.NdOverlay(
    {
        k: hv.Points([0, 0], label=f"{k}").opts(color=v, size=0, apply_ranges=False)
        for k, v in color_key.items()
    },
    "Classification",
)

da.hvplot().opts(cmap=tuple(color_key.values())) * legend

Answer 1

您可以设置.opts(legend_location='right')或者您可以使用colorbar_opts选项并通过提供固定代码和major_label_overrides来覆盖颜色条上的实际刻度，如下所示：

ticks = np.arange(len(color_key), dtype='float') + 0.0001
ticker = FixedTicker(ticks=ticks)
labels = dict(zip(ticks, color_key))

da.hvplot(height=600).opts(clim=(-0.5, 11.5), cmap=tuple(color_key.values()), colorbar_opts={'ticker': ticker, 'major_label_overrides': labels})