Использование Colormaps для установки цвета линии в matplotlib

Question

Как установить цвет строки в matplotlib со скалярными значениями, предоставляемыми во время выполнения, используя карту цветов (скажем, jet)? Я попробовал несколько разных подходов здесь, и я думаю, что я в тупике. values[] - это отсортированный массив скаляров. Кривые представляют собой набор одномерных массивов, а метки представляют собой массив текстовых строк. Каждый из массивов имеет одинаковую длину.

fig = plt.figure()
ax = fig.add_subplot(111)
jet = colors.Colormap('jet')
cNorm  = colors.Normalize(vmin=0, vmax=values[-1])
scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=jet)
lines = []
for idx in range(len(curves)):
    line = curves[idx]
    colorVal = scalarMap.to_rgba(values[idx])
    retLine, = ax.plot(line, color=colorVal)
    #retLine.set_color()
    lines.append(retLine)
ax.legend(lines, labels, loc='upper right')
ax.grid()
plt.show()

Answer 1

Ошибка, которую вы получаете, связана с тем, как вы определяете jet.Вы создаете базовый класс Colormap с именем 'jet', но это очень отличается от получения определения цвета по умолчанию для 'jet' colormap.Этот базовый класс никогда не должен создаваться напрямую, и должны создаваться только подклассы.

То, что вы обнаружили на своем примере, - это некорректное поведение в Matplotlib.При выполнении этого кода должно быть сгенерировано более четкое сообщение об ошибке.

Это обновленная версия вашего примера:

import matplotlib.pyplot as plt
import matplotlib.colors as colors
import matplotlib.cm as cmx
import numpy as np

# define some random data that emulates your indeded code:
NCURVES = 10
np.random.seed(101)
curves = [np.random.random(20) for i in range(NCURVES)]
values = range(NCURVES)

fig = plt.figure()
ax = fig.add_subplot(111)
# replace the next line 
#jet = colors.Colormap('jet')
# with
jet = cm = plt.get_cmap('jet') 
cNorm  = colors.Normalize(vmin=0, vmax=values[-1])
scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=jet)
print scalarMap.get_clim()

lines = []
for idx in range(len(curves)):
    line = curves[idx]
    colorVal = scalarMap.to_rgba(values[idx])
    colorText = (
        'color: (%4.2f,%4.2f,%4.2f)'%(colorVal[0],colorVal[1],colorVal[2])
        )
    retLine, = ax.plot(line,
                       color=colorVal,
                       label=colorText)
    lines.append(retLine)
#added this to get the legend to work
handles,labels = ax.get_legend_handles_labels()
ax.legend(handles, labels, loc='upper right')
ax.grid()
plt.show()

В результате:

Использование ScalarMappable является улучшениемнад подходом, представленным в моем ответе: создание более 20 уникальных цветов легенды с использованием matplotlib

Answer 2

Я подумал, что было бы полезно включить то, что я считаю более простым методом, используя linspace numpy в сочетании с cm-type-объектом matplotlib.Возможно, что вышеупомянутое решение для более старой версии.Я использую python 3.4.3, matplotlib 1.4.3 и numpy 1.9.3., И мое решение заключается в следующем.

import matplotlib.pyplot as plt

from matplotlib import cm
from numpy import linspace

start = 0.0
stop = 1.0
number_of_lines= 1000
cm_subsection = linspace(start, stop, number_of_lines) 

colors = [ cm.jet(x) for x in cm_subsection ]

for i, color in enumerate(colors):
    plt.axhline(i, color=color)

plt.ylabel('Line Number')
plt.show()

В результате получается 1000 линий уникального цвета, которые охватывают весь см.jet colormap, как показано ниже.Запустив этот скрипт, вы обнаружите, что можете увеличивать отдельные строки.

см.jet между 0,0 и 1,0 с 1000 градациями

Теперь скажите, что я хочу, чтобы мои 1000 цветов линий просто охватывали зеленоватую часть между строками 400–600.измените мои начальные и конечные значения на 0,4 и 0,6, и это приведет к использованию только 20% цветовой карты cm.jet между 0,4 и 0,6.

cm.jet между 0,4 и 0,6 с 1000 градуировками

Таким образом, в одной строке вы можете создать список цветов rgba из карты цветов matplotlib.cm соответственно:

colors = [ cm.jet(x) for x in linspace(start, stop, number_of_lines) ]

В этом случае я использую часто вызываемую карту с именем jet, но вы можете найти полный список цветовых карт, доступных в вашей версии matplotlib, вызвав:

>>> from matplotlib import cm
>>> dir(cm)

Answer 3

Сочетание стилей линий, маркеров и качественных цветов из matplotlib:

import itertools
import matplotlib as mpl
import matplotlib.pyplot as plt
N = 8*4+10
l_styles = ['-','--','-.',':']
m_styles = ['','.','o','^','*']
colormap = mpl.cm.Dark2.colors   # Qualitative colormap
for i,(marker,linestyle,color) in zip(range(N),itertools.product(m_styles,l_styles, colormap)):
    plt.plot([0,1,2],[0,2*i,2*i], color=color, linestyle=linestyle,marker=marker,label=i)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.,ncol=4);

ОБНОВЛЕНИЕ: Поддержка не только ListedColormap, но также LinearSegmentedColormap

import itertools
import matplotlib.pyplot as plt
Ncolors = 8
#colormap = plt.cm.Dark2# ListedColormap
colormap = plt.cm.viridis# LinearSegmentedColormap
Ncolors = min(colormap.N,Ncolors)
mapcolors = [colormap(int(x*colormap.N/Ncolors)) for x in range(Ncolors)]
N = Ncolors*4+10
l_styles = ['-','--','-.',':']
m_styles = ['','.','o','^','*']
fig,ax = plt.subplots(gridspec_kw=dict(right=0.6))
for i,(marker,linestyle,color) in zip(range(N),itertools.product(m_styles,l_styles, mapcolors)):
    ax.plot([0,1,2],[0,2*i,2*i], color=color, linestyle=linestyle,marker=marker,label=i)
ax.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.,ncol=3,prop={'size': 8})

Answer 4

Вы можете сделать так, как я написал со своей удаленной учетной записи (бан для новых сообщений :( там было). Это довольно просто и красиво выглядит.

Обычно я использую 3-й из этих 3-х, также я не проверял 1 и 2 версию.

from matplotlib.pyplot import cm
import numpy as np

#variable n should be number of curves to plot (I skipped this earlier thinking that it is obvious when looking at picture - sorry my bad mistake xD): n=len(array_of_curves_to_plot)
#version 1:

color=cm.rainbow(np.linspace(0,1,n))
for i,c in zip(range(n),color):
   ax1.plot(x, y,c=c)

#or version 2: - faster and better:

color=iter(cm.rainbow(np.linspace(0,1,n)))
c=next(color)
plt.plot(x,y,c=c)

#or version 3:

color=iter(cm.rainbow(np.linspace(0,1,n)))
for i in range(n):
   c=next(color)
   ax1.plot(x, y,c=c)

пример 3:

Затухание РАО Ролла против Икеды в зависимости от амплитуды Ролла A44