ตั้งค่า Colorbar Range ใน matplotlib


156

ฉันมีรหัสต่อไปนี้:

import matplotlib.pyplot as plt

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

plt.clf()
plt.pcolor(X, Y, v, cmap=cm)
plt.loglog()
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

plt.colorbar()
plt.show()

นี่จะสร้างกราฟของค่า 'v' บนแกน X vs Y โดยใช้ตารางสีที่ระบุ แกน X และ Y นั้นสมบูรณ์แบบ แต่ colormap แพร่กระจายระหว่าง min และ max ของ v ฉันต้องการบังคับให้ colormap อยู่ในช่วงระหว่าง 0 ถึง 1

ฉันคิดว่าจะใช้:

plt.axis(...)

ในการตั้งค่าช่วงของแกน แต่ใช้อาร์กิวเมนต์สำหรับ min และ max ของ X และ Y เท่านั้นไม่ใช่ colormap

แก้ไข:

เพื่อความชัดเจนสมมุติว่าฉันมีกราฟหนึ่งช่วงที่มีค่า (0 ... 0.3) และอีกกราฟที่มีค่า (0.2 ... 0.8)

ในกราฟทั้งสองฉันจะต้องการช่วงของแถบสีให้เป็น (0 ... 1) ในกราฟทั้งสองฉันต้องการให้ช่วงสีนี้เหมือนกันโดยใช้ช่วงเต็มของ cdict ด้านบน (ดังนั้น 0.25 ในกราฟทั้งสองจะเป็นสีเดียวกัน) ในกราฟแรกสีทั้งหมดระหว่าง 0.3 ถึง 1.0 จะไม่แสดงในกราฟ แต่จะอยู่ในปุ่ม colourbar ที่ด้านข้าง ในอีกสีหนึ่งสีทั้งหมดระหว่าง 0 ถึง 0.2 และระหว่าง 0.8 และ 1 จะไม่แสดงในกราฟ แต่จะอยู่ในแถบสีด้านข้าง

คำตอบ:


177

การใช้vminและvmaxบังคับช่วงสำหรับสี นี่คือตัวอย่าง:

ป้อนคำอธิบายรูปภาพที่นี่

import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )

def do_plot(n, f, title):
    #plt.clf()
    plt.subplot(1, 3, n)
    plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)
    plt.title(title)
    plt.colorbar()

plt.figure()
do_plot(1, lambda x:x, "all")
do_plot(2, lambda x:np.clip(x, -4, 0), "<0")
do_plot(3, lambda x:np.clip(x, 0, 4), ">0")
plt.show()

3
ทำไมคำตอบนี้ดีกว่าคำว่า plt.clim ที่โพสต์โดย @Amro
Alex Lamson

90

ใช้ฟังก์ชันCLIM (เทียบเท่ากับฟังก์ชันCAXISใน MATLAB):

plt.pcolor(X, Y, v, cmap=cm)
plt.clim(-4,4)  # identical to caxis([-4,4]) in MATLAB
plt.show()

2
ฉันเชื่อว่า clim () ปรับสเกลแกนสี แต่สีเองเปลี่ยนค่า จุดที่เศษส่วนบางส่วนตามมาตราส่วนจะเป็นสีเดียวกันไม่ว่าขนาดใดก็ตาม แต่ค่าที่แสดงนั้นจะเปลี่ยนไป
พอล

4
ใช่. นี่คือพฤติกรรมที่ต้องการของผู้ถามดังนั้นจึงแก้ปัญหา: ว่าระดับสีจะเหมือนกันระหว่างกราฟ
Excalabur

16

ไม่แน่ใจว่านี่เป็นทางออกที่ยอดเยี่ยมที่สุดหรือไม่ (นี่คือสิ่งที่ฉันใช้) แต่คุณสามารถปรับขนาดข้อมูลของคุณให้อยู่ในช่วงระหว่าง 0 ถึง 1 แล้วปรับเปลี่ยนแถบสีได้:

import matplotlib as mpl
...
ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)
cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,
                       norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))
cbar.set_clim(-2.0, 2.0)

ด้วยข้อ จำกัด ที่ต่างกันสองแบบคุณสามารถควบคุมช่วงและคำอธิบายของแถบสีได้ ในตัวอย่างนี้เฉพาะช่วงระหว่าง -0.5 ถึง 1.5 จะแสดงในแถบในขณะที่ตารางสีครอบคลุม -2 ถึง 2 (ดังนั้นนี่อาจเป็นช่วงข้อมูลของคุณซึ่งคุณบันทึกไว้ก่อนการปรับขนาด)

ดังนั้นแทนที่จะปรับขนาดคอลัมน์สีให้คุณปรับขนาดข้อมูลของคุณและปรับแถบสีให้พอดี


1
ฉันคิดว่ามันกำลังทำสิ่งที่แตกต่างอย่างละเอียด…ขอโทษที่ฉันอาจไม่แม่นยำพอในคำถามของฉัน โซลูชันของคุณจะปรับขนาดสีเพื่อให้สิ่งที่เคยเป็นตัวแทนของค่า 1.0 จะแสดงถึงค่าสูงสุดในข้อมูลของฉัน แถบสีจะแสดง 0..1 ตามที่ฉันต้องการ (ด้วย vmin = 0, vmax = 1) แต่ทุกอย่างที่สูงกว่าค่าสูงสุดนี้จะเป็นสีเดียวกัน ...
Paul

1
... ฉันได้อัปเดตคำถามเพื่อแสดงสิ่งที่ชัดเจนยิ่งขึ้น ขออภัยถ้าฉันคลุมเครือเกินไป
Paul

10

การใช้สภาวะแวดล้อมรูปและ. set_clim ()

อาจจะง่ายกว่าและปลอดภัยกว่าทางเลือกนี้หากคุณมีหลายแปลง:

import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np

cdict = {
  'red'  :  ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
  'green':  ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
  'blue' :  ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}

cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)

x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)

data = 2*( np.sin(X) + np.sin(3*Y) )
data1 = np.clip(data,0,6)
data2 = np.clip(data,-6,0)
vmin = np.min(np.array([data,data1,data2]))
vmax = np.max(np.array([data,data1,data2]))

fig = plt.figure()
ax = fig.add_subplot(131)
mesh = ax.pcolormesh(data, cmap = cm)
mesh.set_clim(vmin,vmax)
ax1 = fig.add_subplot(132)
mesh1 = ax1.pcolormesh(data1, cmap = cm)
mesh1.set_clim(vmin,vmax)
ax2 = fig.add_subplot(133)
mesh2 = ax2.pcolormesh(data2, cmap = cm)
mesh2.set_clim(vmin,vmax)
# Visualizing colorbar part -start
fig.colorbar(mesh,ax=ax)
fig.colorbar(mesh1,ax=ax1)
fig.colorbar(mesh2,ax=ax2)
fig.tight_layout()
# Visualizing colorbar part -end

plt.show()

ป้อนคำอธิบายรูปภาพที่นี่

แถบสีเดียว

ทางเลือกที่ดีที่สุดคือการใช้แถบสีเดียวสำหรับพล็อตทั้งหมด มีหลายวิธีในการทำเช่นนี้บทช่วยสอนนี้มีประโยชน์มากสำหรับการทำความเข้าใจตัวเลือกที่ดีที่สุด ฉันชอบโซลูชันนี้ที่คุณสามารถคัดลอกและวางแทนที่จะเป็นแถบสีการแสดงภาพก่อนหน้าของรหัส

fig.subplots_adjust(bottom=0.1, top=0.9, left=0.1, right=0.8,
                    wspace=0.4, hspace=0.1)
cb_ax = fig.add_axes([0.83, 0.1, 0.02, 0.8])
cbar = fig.colorbar(mesh, cax=cb_ax)

ป้อนคำอธิบายรูปภาพที่นี่

PS

ฉันอยากจะแนะนำให้ใช้pcolormeshแทนpcolorเพราะมันเร็วกว่า ( ข่าวสารเพิ่มเติมที่นี่ )

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.