从颜色列表创建颜色映射

有关创建和操作颜色映射的详细信息，请参见在Matplotlib中创建颜色映射 .

创建一个 colormap 从颜色列表中可以使用 from_list() 方法 LinearSegmentedColormap . 必须传递定义从0到1的颜色混合的RGB元组列表。

创建自定义颜色映射¶

也可以为颜色映射创建自定义映射。这是通过创建字典来完成的，该字典指定了RGB通道如何从CMAP一端更改到另一端。

示例：假设您希望红色从下半部分的0增加到1，绿色从中半部分的0增加到1，蓝色从上半部分的0增加到1。然后你会使用：

cdict = {'red':   ((0.0,  0.0, 0.0),
                   (0.5,  1.0, 1.0),
                   (1.0,  1.0, 1.0)),

         'green': ((0.0,  0.0, 0.0),
                   (0.25, 0.0, 0.0),
                   (0.75, 1.0, 1.0),
                   (1.0,  1.0, 1.0)),

         'blue':  ((0.0,  0.0, 0.0),
                   (0.5,  0.0, 0.0),
                   (1.0,  1.0, 1.0))}

如本例所示，如果r、g和b分量中没有不连续性，那么很简单：上面每个元组的第二个和第三个元素都是相同的——称之为“y”。第一个元素（“x”）定义了0到1的整个范围内的插值间隔，它必须跨越整个范围。换句话说，x的值将0到1的范围划分为一组段，y给出每个段的端点颜色值。

现在考虑绿色。CDICT [“绿色”] 也就是说，对于0<=x<=0.25，y是零；没有绿色。0.25<x<=0.75，y从0到1呈线性变化。X>0.75，Y保持在1，完全绿色。

如果存在不连续性，那就有点复杂了。在CDICT条目的每行中，将给定颜色的3个元素标记为（x，y0，y1）。然后对于x之间的x值 [i] 和X [i+1] 颜色值在y1之间插值。 [i] Y0 [i+1] .

回到食谱的例子，看看CDICT [“红色”] 因为Y0！=y1，表示x从0到0.5，红色从0增加到1，但随后它会跳下来，因此x从0.5到1，红色从0.7增加到1。当x从0到0.5时，绿色渐变从0到1，然后跳回到0，当x从0.5到1时，渐变回到1。：：

row i:   x  y0  y1
                /
               /
row i+1: x  y0  y1

上面是对x在x范围内的尝试。 [i] 到X [i+1] ，插值在y1之间 [i] Y0 [i+1] . 所以，Y0 [0] Y1 [-1] 从未使用过。

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

# Make some illustrative fake data:

x = np.arange(0, np.pi, 0.1)
y = np.arange(0, 2 * np.pi, 0.1)
X, Y = np.meshgrid(x, y)
Z = np.cos(X) * np.sin(Y) * 10

---来自列表的颜色映射---

colors = [(1, 0, 0), (0, 1, 0), (0, 0, 1)]  # R -> G -> B
n_bins = [3, 6, 10, 100]  # Discretizes the interpolation into bins
cmap_name = 'my_list'
fig, axs = plt.subplots(2, 2, figsize=(6, 9))
fig.subplots_adjust(left=0.02, bottom=0.06, right=0.95, top=0.94, wspace=0.05)
for n_bin, ax in zip(n_bins, axs.ravel()):
    # Create the colormap
    cm = LinearSegmentedColormap.from_list(
        cmap_name, colors, N=n_bin)
    # Fewer bins will result in "coarser" colomap interpolation
    im = ax.imshow(Z, interpolation='nearest', origin='lower', cmap=cm)
    ax.set_title("N bins: %s" % n_bin)
    fig.colorbar(im, ax=ax)

---自定义颜色映射---

cdict1 = {'red':   ((0.0, 0.0, 0.0),
                   (0.5, 0.0, 0.1),
                   (1.0, 1.0, 1.0)),

         'green': ((0.0, 0.0, 0.0),
                   (1.0, 0.0, 0.0)),

         'blue':  ((0.0, 0.0, 1.0),
                   (0.5, 0.1, 0.0),
                   (1.0, 0.0, 0.0))
        }

cdict2 = {'red':   ((0.0, 0.0, 0.0),
                   (0.5, 0.0, 1.0),
                   (1.0, 0.1, 1.0)),

         'green': ((0.0, 0.0, 0.0),
                   (1.0, 0.0, 0.0)),

         'blue':  ((0.0, 0.0, 0.1),
                   (0.5, 1.0, 0.0),
                   (1.0, 0.0, 0.0))
        }

cdict3 = {'red':  ((0.0, 0.0, 0.0),
                   (0.25, 0.0, 0.0),
                   (0.5, 0.8, 1.0),
                   (0.75, 1.0, 1.0),
                   (1.0, 0.4, 1.0)),

         'green': ((0.0, 0.0, 0.0),
                   (0.25, 0.0, 0.0),
                   (0.5, 0.9, 0.9),
                   (0.75, 0.0, 0.0),
                   (1.0, 0.0, 0.0)),

         'blue':  ((0.0, 0.0, 0.4),
                   (0.25, 1.0, 1.0),
                   (0.5, 1.0, 0.8),
                   (0.75, 0.0, 0.0),
                   (1.0, 0.0, 0.0))
        }

# Make a modified version of cdict3 with some transparency
# in the middle of the range.
cdict4 = {**cdict3,
          'alpha': ((0.0, 1.0, 1.0),
                #   (0.25,1.0, 1.0),
                    (0.5, 0.3, 0.3),
                #   (0.75,1.0, 1.0),
                    (1.0, 1.0, 1.0)),
          }

现在我们将使用这个例子来说明处理自定义颜色映射的3种方法。首先，最直接和最明确的：

blue_red1 = LinearSegmentedColormap('BlueRed1', cdict1)

第二，显式创建映射并注册它。与第一种方法一样，此方法适用于任何类型的颜色映射，而不仅仅是LinearSegmentedColormap：

blue_red2 = LinearSegmentedColormap('BlueRed2', cdict2)
plt.register_cmap(cmap=blue_red2)

第三，只针对LinearSegmentedColormap，保留所有要注册的内容：

plt.register_cmap(name='BlueRed3', data=cdict3)  # optional lut kwarg
plt.register_cmap(name='BlueRedAlpha', data=cdict4)

做这个数字：

fig, axs = plt.subplots(2, 2, figsize=(6, 9))
fig.subplots_adjust(left=0.02, bottom=0.06, right=0.95, top=0.94, wspace=0.05)

# Make 4 subplots:

im1 = axs[0, 0].imshow(Z, interpolation='nearest', cmap=blue_red1)
fig.colorbar(im1, ax=axs[0, 0])

cmap = plt.get_cmap('BlueRed2')
im2 = axs[1, 0].imshow(Z, interpolation='nearest', cmap=cmap)
fig.colorbar(im2, ax=axs[1, 0])

# Now we will set the third cmap as the default.  One would
# not normally do this in the middle of a script like this;
# it is done here just to illustrate the method.

plt.rcParams['image.cmap'] = 'BlueRed3'

im3 = axs[0, 1].imshow(Z, interpolation='nearest')
fig.colorbar(im3, ax=axs[0, 1])
axs[0, 1].set_title("Alpha = 1")

# Or as yet another variation, we can replace the rcParams
# specification *before* the imshow with the following *after*
# imshow.
# This sets the new default *and* sets the colormap of the last
# image-like item plotted via pyplot, if any.
#

# Draw a line with low zorder so it will be behind the image.
axs[1, 1].plot([0, 10 * np.pi], [0, 20 * np.pi], color='c', lw=20, zorder=-1)

im4 = axs[1, 1].imshow(Z, interpolation='nearest')
fig.colorbar(im4, ax=axs[1, 1])

# Here it is: changing the colormap for the current image and its
# colorbar after they have been plotted.
im4.set_cmap('BlueRedAlpha')
axs[1, 1].set_title("Varying alpha")
#

fig.suptitle('Custom Blue-Red colormaps', fontsize=16)
fig.subplots_adjust(top=0.9)

plt.show()

工具书类¶

以下函数、方法、类和模块的使用如本例所示：

import matplotlib
matplotlib.axes.Axes.imshow
matplotlib.pyplot.imshow
matplotlib.figure.Figure.colorbar
matplotlib.pyplot.colorbar
matplotlib.colors
matplotlib.colors.LinearSegmentedColormap
matplotlib.colors.LinearSegmentedColormap.from_list
matplotlib.cm
matplotlib.cm.ScalarMappable.set_cmap
matplotlib.pyplot.register_cmap
matplotlib.cm.register_cmap

目录

Related Topics

从颜色列表创建颜色映射

创建自定义颜色映射¶

工具书类¶

Navigation

目录

Related Topics

从颜色列表创建颜色映射

创建自定义颜色映射¶

工具书类¶