[英]Change colorbar gradient in matplotlib
matplotlib中的顏色條將0到1之間的數字映射到一種顏色。 為了將其他數字映射到顏色,首先需要對范圍[0,1]
進行歸一化。 這通常通過最小和最大數據自動完成,或者通過使用相應繪圖功能的vmin
和vmax
參數完成。 在內部,標准化實例matplotlib.colors.Normalize
用於執行標准化,默認情況下,假定vmin
和vmax
之間的線性標度。
在這里你需要一個非線性比例,它(a)將中間點移動到某個指定值,(b)擠壓該值周圍的顏色。
這個想法現在可以是matplotlib.colors.Normalize
子類,讓它返回一個滿足標准(a)和(b)的映射。
選項可能是兩個根函數的組合,如下所示。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors
class SqueezedNorm(matplotlib.colors.Normalize):
def __init__(self, vmin=None, vmax=None, mid=0, s1=2, s2=2, clip=False):
self.vmin = vmin # minimum value
self.mid = mid # middle value
self.vmax = vmax # maximum value
self.s1=s1; self.s2=s2
f = lambda x, zero,vmax,s: np.abs((x-zero)/(vmax-zero))**(1./s)*0.5
self.g = lambda x, zero,vmin,vmax, s1,s2: f(x,zero,vmax,s1)*(x>=zero) - \
f(x,zero,vmin,s2)*(x<zero)+0.5
matplotlib.colors.Normalize.__init__(self, vmin, vmax, clip)
def __call__(self, value, clip=None):
r = self.g(value, self.mid,self.vmin,self.vmax, self.s1,self.s2)
return np.ma.masked_array(r)
fig, (ax, ax2, ax3) = plt.subplots(nrows=3,
gridspec_kw={"height_ratios":[3,2,1], "hspace":0.25})
x = np.linspace(-13,4, 110)
norm=SqueezedNorm(vmin=-13, vmax=4, mid=0, s1=1.7, s2=4)
line, = ax.plot(x, norm(x))
ax.margins(0)
ax.set_ylim(0,1)
im = ax2.imshow(np.atleast_2d(x).T, cmap="Spectral_r", norm=norm, aspect="auto")
cbar = fig.colorbar(im ,cax=ax3,ax=ax2, orientation="horizontal")
選擇該函數使得它獨立於其參數將任何范圍映射到范圍[0,1]
,從而可以使用色圖。 參數mid
確定應將哪個值映射到色彩映射的中間。 在這種情況下,這將是0
。 參數s1
和s2
確定色彩圖在兩個方向上的擠壓方式。
設置mid = np.mean(vmin, vmax), s1=1, s2=1
將恢復原始縮放。
為了選擇好的參數,可以使用一些滑塊來查看實時更新的圖。
from matplotlib.widgets import Slider
midax = plt.axes([0.1, 0.04, 0.2, 0.03], facecolor="lightblue")
s1ax = plt.axes([0.4, 0.04, 0.2, 0.03], facecolor="lightblue")
s2ax = plt.axes([0.7, 0.04, 0.2, 0.03], facecolor="lightblue")
mid = Slider(midax, 'Midpoint', x[0], x[-1], valinit=0)
s1 = Slider(s1ax, 'S1', 0.5, 6, valinit=1.7)
s2 = Slider(s2ax, 'S2', 0.5, 6, valinit=4)
def update(val):
norm=SqueezedNorm(vmin=-13, vmax=4, mid=mid.val, s1=s1.val, s2=s2.val)
im.set_norm(norm)
cbar.update_bruteforce(im)
line.set_ydata(norm(x))
fig.canvas.draw_idle()
mid.on_changed(update)
s1.on_changed(update)
s2.on_changed(update)
fig.subplots_adjust(bottom=0.15)
您可以使用自定義normalizer
。 方便的是,文檔中的示例已經是“替代中點”規范化器。 這個例子是由Joe Kington制作的,所以所有的歸功於他。
請參閱本頁底部: https : //matplotlib.org/users/colormapnorms.html
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
自定義規范化類:
class MidpointNormalize(mpl.colors.Normalize):
## class from the mpl docs:
# https://matplotlib.org/users/colormapnorms.html
def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
self.midpoint = midpoint
super().__init__(vmin, vmax, clip)
def __call__(self, value, clip=None):
# I'm ignoring masked values and all kinds of edge cases to make a
# simple example...
x, y = [self.vmin, self.midpoint, self.vmax], [0, 0.5, 1]
return np.ma.masked_array(np.interp(value, x, y))
結果:
data = np.linspace(-5,1,100)[None,:]
fig, axs = plt.subplots(2,1, figsize=(5,2), facecolor='w', subplot_kw=dict(xticks=[], yticks=[]))
props = dict(aspect=15, cmap=plt.cm.coolwarm)
axs[0].imshow(data, **props)
axs[1].imshow(data, norm=MidpointNormalize(midpoint=0), **props)
這是一個相對簡單的例子,但在類似的事情中可以實現更復雜的縮放。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.