如何在 matplotlib 散點圖中標准化顏色圖？

Question

matplotlib 文檔詳細解釋了如何對 pcolormesh 的顏色圖進行標准化，但是如何正確地為散點圖執行此操作？

normalize = mcolors.Normalize(vmin=-1, vmax=1)
plt.scatter(x,y,z,cmap=colormap(normalize),marker='*',s=5)

不起作用（類型錯誤TypeError: Cannot cast array data from dtype('O') to dtype('int64') according to the rule 'safe' ）

只是 z 數據不完全從 -1 到 1，我正在繪制多個數據集，這些數據集的限制在 +/- 0.93 - 98 左右，但我希望顏色以零為中心並從 -1 到 1 所以我對所有各種數據集都有相同的參考。

哦，當我不嘗試規范化時，我得到TypeError: scatter() got multiple values for keyword argument 's' 。 顯然我不知道如何在散點圖中使用顏色圖。

Answer 1

您使用的語法與鏈接文檔中的語法完全不同。 規范化散射或pcolor（網格）或任何其他標量可映射對象之間基本沒有區別。

總是如此

colormap = plt.cm.bwr #or any other colormap
normalize = matplotlib.colors.Normalize(vmin=-1, vmax=1)
plt.scatter(x, y, c=z, s=5, cmap=colormap, norm=normalize, marker='*')

Answer 2

# define the range of values in the data (100 is arbitrary)
my_range = np.linspace(-1,1,100)

# cmap is a function. It returns (rgba) colors base on a range 0-1. Therefore, 
# transform your values to 0-1 to use them as input for cmap() 
cmap = cm.get_cmap('viridis', 100)
my_transformed_range = (my_range - np.min(my_range)) / (np.max(my_range) - np.min(my_range))

# colors should be supplied as a single color or a list (here using the cmap fx)
plt.scatter(my_range, np.ones(100), color=[cmap(i) for i in my_transformed_range])