如何从Matplotlib中的简单数组生成颜色图数组

在的某些函数中matplotlib,我们必须传递color参数而不是cmap参数,例如bar3d

因此,我们必须Colormap手动生成一个。如果我有这样的dz数组:

dz = [1,2,3,4,5]

我想要的是:

ax.bar3d(xpos, ypos, zpos, dx, dy, dz, color=cm.jet(dz), zsort='average')

但是,它不起作用,看来Colormap实例只能转换规范化的数组。

>>> dz = [1,2,3,4,5]

>>> cm.jet(dz)

array([[ 0. , 0. , 0.51782531, 1. ],

[ 0. , 0. , 0.53565062, 1. ],

[ 0. , 0. , 0.55347594, 1. ],

[ 0. , 0. , 0.57130125, 1. ],

[ 0. , 0. , 0.58912656, 1. ]])

当然,这不是我想要的。

我必须做这样的事情:

>>> cm.jet(plt.Normalize(min(dz),max(dz))(dz))

array([[ 0. , 0. , 0.5 , 1. ],

[ 0. , 0.50392157, 1. , 1. ],

[ 0.49019608, 1. , 0.47754586, 1. ],

[ 1. , 0.58169935, 0. , 1. ],

[ 0.5 , 0. , 0. , 1. ]])

代码多么丑陋!

在matplotlib的文档中说:

通常,Colormap实例用于将数据值(浮点数)从间隔[0,1]转换为相应Colormap表示的RGBA颜色。有关将数据缩放到[0,1]间隔的信息,请参见matplotlib.colors.Normalize。值得注意的是,matplotlib.cm.ScalarMappable子类大量使用了data->

normalize-> map-to-color处理链。

那为什么我不能只使用cm.jet(dz)呢?

这是我正在使用的导入

from mpl_toolkits.mplot3d import Axes3D

import matplotlib.pyplot as plt

import numpy as np

from matplotlib import cm

回答:

问题的答案在复制到问题中的文档的摘要中给出:

…从间隔[0,1]到RGBA颜色…

但是,如果您发现代码 丑陋 ,可以尝试使其更好:

  1. 您不必手动指定标准化的限制(如果您打算使用最小/最大):

    norm = plt.Normalize()

    colors = plt.cm.jet(norm(dz))

  2. 如果您发现它很丑陋(尽管我不明白为什么),则可以继续手动进行操作:

    colors = plt.cm.jet(np.linspace(0,1,len(dz)))

但是,此解决方案仅限于等距的颜色(这是您dz在示例中给出的值)。

  1. 然后,您还可以复制的功能Normalize(因为您似乎不喜欢它):

    lower = dz.min()

    upper = dz.max()

    colors = plt.cm.jet((dz-lower)/(upper-lower))

  2. 使用辅助功能:

    def get_colors(inp, colormap, vmin=None, vmax=None):

    norm = plt.Normalize(vmin, vmax)

    return colormap(norm(inp))

现在您可以像这样使用它:

    colors = get_colors(dz, plt.cm.jet)

以上是 如何从Matplotlib中的简单数组生成颜色图数组 的全部内容, 来源链接: utcz.com/qa/416634.html

回到顶部