matplotlib 配色之 colorbar 模块详解 |
您所在的位置:网站首页 › python中pltfigure › matplotlib 配色之 colorbar 模块详解 |
matplotlib.colorbar 模块详解
引子
上一篇我们围绕colormap颜色映射,详细介绍了matplotlib.colors 和 matplotlib.cm模块。 使用matplotlib.colors模块可以完成大多数常见的任务。似乎很少需要直接使用matplotlib.cm模块。我们继续使用上一篇最后的例子来看看 matplotlib 设计 matplotlib.cm模块的用途。 上一篇的示例中,我们用颜色反映了数据集的某个属性。 颜色变化与数据分组的关系更加直观明了。 这是matplotlib.colorbar模块的功能,但colorbar模块需要matplotlib.cm模块的支持。 概述Colorbar 模块提供了一个工具包,有两个类和一个函数方法: ColorbarBase 具有完整colorbar绘制功能的基类。它可以按原样用于为给定的colormap创建一个colorbar;不需要可映射的对象(例如,image)。有13个类方法。 Colorbar 用于 images 或等高线图的派生类,有5个类方法。该类还有一个子类class matplotlib.colorbar.ColorbarPatch() make_axes() 用于调整轴的大小并添加适合于colorbar的第二个轴的函数 colorbar模块结构如下图: 在已有的 axes 上绘制一个Colorbar,颜色条。 这个类主要用作基类,用于提供一个基本的属性和方法。 对于终端用户,极少直接使用 ColorbarBase类。通常使用pyplot.colorbar函数或Figure.colorbar方法来创建颜色条。 通常,Colorbar 与 ScalarMappables一起使用,如通过imshow生成的 AxesImae。 注: matplotlib.figure.Figure类的colorbar()方法使用 matplotlib.colorbar.make_axes()方法 和class matplotlib.colorbar.Colorbar 类为 Figure实例生成一个Colorbar;matplotlib.pyplot.colorbar 函数是 matplotlib.figure.Figure 类的colorbar()方法的一个简单包装。显式使用ColorbarBase的主要应用场景是绘制与图中其他元素无关的颜色条。例如,单独显示colormap时。 如果给出了cmap参数,但是boundaries和values参数都是 None,那么colormap将以0-1的比例显示。若要显示更低和更高值的颜色,请将norm定义为: norm=colors.Normalize(clip=False)要显示颜色与索引的关系,而不是0-1的比例,请使用: norm=colors.NoNorm() #本示例演示了直接使用 ColorbarBase()类 %matplotlib inline import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt mpl.rcParams['font.sans-serif'] = ['SimHei'] mpl.rcParams['axes.unicode_minus'] = False fig = plt.figure(constrained_layout=True) ax1,ax2,ax3 = fig.subplots(1,3) ax1.set_title('norm=norm') ax2.set_title('norm = \n.Normalize(clip=False)') ax3.set_title('norm = .NoNorm()') cmp = mpl.colors.ListedColormap(['r','g','b']) # 创建一个BoundaryNorm实例 norm = mpl.colors.BoundaryNorm([0, 0.4, 0.8, 1.0], cmp.N) fcb1 = mpl.colorbar.ColorbarBase(norm=norm, cmap=mpl.cm.get_cmap('Paired'),ax=ax1) fcb2 = mpl.colorbar.ColorbarBase(norm=mpl.colors.Normalize(clip=False), cmap=mpl.cm.get_cmap('Paired'),ax=ax2) fcb3 = mpl.colorbar.ColorbarBase(norm=mpl.colors.NoNorm(), cmap=mpl.cm.get_cmap('Paired'),ax=ax3) fig.savefig('ColorbarBase_Demo.png') plt.show()
有用的公共方法有set_label()和add lines()。 #本示例演示了直接使用 ColorbarBase()类 %matplotlib inline import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt fig = plt.figure(constrained_layout=True) ax1,ax2,ax3 = fig.subplots(1,3) ax1.set_title('norm=norm') ax2.set_title('norm = \n.Normalize(clip=False)') ax3.set_title('norm = .NoNorm()') mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 cmp = mpl.colors.ListedColormap(['r','g','b']) # 创建一个BoundaryNorm实例 norm = mpl.colors.BoundaryNorm([0, 0.4, 0.8, 1.0], cmp.N) fcb1 = mpl.colorbar.ColorbarBase(norm=norm, cmap=mpl.cm.get_cmap('Paired'),ax=ax1) fcb2 = mpl.colorbar.ColorbarBase(norm=mpl.colors.Normalize(clip=False), cmap=mpl.cm.get_cmap('Paired'),ax=ax2) fcb3 = mpl.colorbar.ColorbarBase(norm=mpl.colors.NoNorm(), cmap=mpl.cm.get_cmap('Paired'),ax=ax3) #下面演示了ColorbarBase类的两个重要方法 fcb1.set_label('Colorbar_label') #set_label()方法 fcb1.add_lines((0.4,0.8),('r','m'),(5)) #add_lines()方法 fig.savefig('ColorbarBase_Demo.png') plt.show()基类: matplotlib.colorbar.ColorbarBase 这个类将 class matplotlib.colorbar.ColorbarBase()连接到 class matplotlib.cm.ScalarMappable(),比如,通过matplotlib.axes.Axes.imshow()生成的 class matplotlib.image.AxesImage()。 它不打算被直接实例化;相反,使用matplotlib.figure.Figure.colorbar() 或 matplotlib.pyplot.colorbar()来创建你的colorbar。 这段说明很短,但却包含了matplotlib框架中colorbar复杂的程序设计逻辑,如下图所示: colorbar.Colorbar()类有如下方法: - add_lines(self, CS, erase=True) - on_mappable_changed(self, mappable) - remove(self) - update_bruteforce(self, mappable) - update_normal(self, mappable) 子类colorbar.ColorbarPatch()matplotlib.colorbar.Colorbar 类还有一个子类: class matplotlib.colorbar.ColorbarPatch(ax, mappable, **kw)[source]使用 Patch 代替默认的 pcolor() 创建的 Colorbar。 它使用一个 Patch 实例的列表代替PatchCollection,因为后者不允许随后修改成员的hatch(填充图案)。 模块方法matplotlib.colorbar.make_axes() matplotlib.colorbar.make_axes(parents, location=None, orientation=None, fraction=0.15, shrink=1.0, aspect=20, **kw)调整父轴的大小和位置,并返回适配于颜色条的子轴。 %matplotlib inline import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt iris_df = pd.read_csv('../Topics/iris.csv',index_col='index_col') x = iris_df['PetalLength'].values y = iris_df['SepalLength'].values fig = plt.figure() ax= plt.axes() #创建一个ListedColormap实例 #定义了[0, 1]区间的浮点数到颜色的映射规则 cmp = mpl.colors.ListedColormap(['r','g','b']) # 创建一个BoundaryNorm实例 # BoundaryNorm是数据分组中数据归一化比较好的方法 # 定义了变量值到 [0, 1]区间的映射规则,即数据归一化 norm = mpl.colors.BoundaryNorm([0, 2, 6.4, 7], cmp.N) #绘制散点图,用x值着色, #使用norm对变量值进行归一化, #使用自定义的ListedColormap颜色映射实例 #norm将变量x的值归一化 #cmap将归一化的数据映射到颜色 plt.scatter(x,y,c=x, cmap=cmp, norm=norm, alpha=0.7) #返回适配颜色条的子轴 #可以设置颜色条的位置和方向 cax, _= mpl.colorbar.make_axes(ax, shrink=0.5,location='right') subcba = mpl.colorbar.ColorbarBase(norm=norm, cmap=cmp,ax=cax) plt.show()
|
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |