Python中如何使用 Matplotlib 绘制了一个具有渐变颜色的垂直条形图

如何使用 Matplotlib 绘制了一个具有渐变颜色的垂直条形图？

• 步骤如下：

1 定义gradient_image 函数：

该函数绘制了一个基于颜色映射的渐变图像，可以用于作为垂直条形图的背景。

• 参数:
  • ax: 要绘制的轴。
  • direction: 渐变的方向，范围从 0（垂直）到 1（水平）的数字。
  • cmap_range: 颜色映射应该用于渐变的部分的分数 (cmin, cmax)，其中完整颜色映射是 (0, 1)。
  • **kwargs: 其他参数传递给 .Axes.imshow()。特别是，cmap、extent 和 transform 可能会很有用。

2 定义gradient_bar 函数：

该函数在指定的坐标位置上绘制一个或多个垂直条形图，并为每个条形图的渐变背景调用了 gradient_image 函数。

• 参数:
  • ax: 要绘制的轴。
  • x: 条形图的 x 坐标。
  • y: 条形图的高度。
  • width: 条形图的宽度。
  • bottom: 条形图的底部位置。

完整代码解释：

1. 创建了一个 Matplotlib 图形和轴。
2. 使用 gradient_image 函数绘制了一个垂直渐变背景图像，颜色映射为 RdYlGn。
3. 生成了一些随机数据，表示条形图的高度。
4. 使用 gradient_bar 函数在指定位置绘制了垂直条形图。

• 完整代码示例：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(19680801)


def gradient_image(ax, direction=0.3, cmap_range=(0, 1), **kwargs):
    """
    Draw a gradient image based on a colormap.

    Parameters
    ----------
    ax : Axes
        The axes to draw on.
    direction : float
        The direction of the gradient. This is a number in
        range 0 (=vertical) to 1 (=horizontal).
    cmap_range : float, float
        The fraction (cmin, cmax) of the colormap that should be
        used for the gradient, where the complete colormap is (0, 1).
    **kwargs
        Other parameters are passed on to `.Axes.imshow()`.
        In particular, *cmap*, *extent*, and *transform* may be useful.
    """
    phi = direction * np.pi / 2
    v = np.array([np.cos(phi), np.sin(phi)])
    X = np.array([[v @ [1, 0], v @ [1, 1]],
                  [v @ [0, 0], v @ [0, 1]]])
    a, b = cmap_range
    X = a + (b - a) / X.max() * X
    im = ax.imshow(X, interpolation='bicubic', clim=(0, 1),
                   aspect='auto', **kwargs)
    return im


def gradient_bar(ax, x, y, width=0.5, bottom=0):
    for left, top in zip(x, y):
        right = left + width
        gradient_image(ax, extent=(left, right, bottom, top),
                       cmap=plt.cm.Blues_r, cmap_range=(0, 0.8))


fig, ax = plt.subplots()
ax.set(xlim=(0, 10), ylim=(0, 1))

# background image
gradient_image(ax, direction=1, extent=(0, 1, 0, 1), transform=ax.transAxes,
               cmap=plt.cm.RdYlGn, cmap_range=(0.2, 0.8), alpha=0.5)

N = 10
x = np.arange(N) + 0.15
y = np.random.rand(N)
gradient_bar(ax, x, y, width=0.7)
plt.show()