matplotlib 配色之 colorbar 模块详解

最新推荐文章于 2024-06-25 17:06:33 发布

Python草堂

最新推荐文章于 2024-06-25 17:06:33 发布

阅读量4.6w

点赞数 37

分类专栏： matplotlib Python 文章标签： python

本文链接：https://blog.csdn.net/sinat_32570141/article/details/105345725

版权

matplotlib 同时被 2 个专栏收录

33 篇文章 109 订阅

订阅专栏

Python

26 篇文章 3 订阅

订阅专栏

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。
在这里插入图片描述
如果我们在旁边添加一个颜色条，如下图所示：

%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'] # 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

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)

fcb = fig.colorbar(mpl.cm.ScalarMappable(norm=norm, cmap=cmp), ax=ax)

plt.show()

在这里插入图片描述

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：

`class matplotlib.colorbar.ColorbarBase()`

class matplotlib.colorbar.ColorbarBase(ax, 
                                       cmap=None, 
                                       norm=None, 
                                       alpha=None, 
                                       values=None, 
                                       boundaries=None, 
                                       orientation='vertical', 
                                       ticklocation='auto', 
                                       extend='neither', 
                                       spacing='uniform', 
                                       ticks=None, 
                                       format=None, 
                                       drawedges=False, 
                                       filled=True, 
                                       extendfrac=None, 
                                       extendrect=False, 
                                       label='')

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()

在这里插入图片描述
ColorbarBase类提供了13个方法:

  1. add_lines(self, levels, colors, linewidths, erase=True)
  2. ax = None
  3. config_axis(self)
  4. draw_all(self)
  5. get_ticks(self, minor=False)
  6. minorticks_off(self)
  7. minorticks_on(self)
  8. remove(self)
  9. set_alpha(self, alpha)
  10. set_label(self, label, **kw)
  11. set_ticklabels(self, ticklabels, update_ticks=True)
  12. set_ticks(self, ticks, update_ticks=True)
  13. update_ticks(self)

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()

在这里插入图片描述

class colorbar.Colorbar()

class matplotlib.colorbar.Colorbar(ax, mappable, **kw)

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：

在这里插入图片描述

类`colorbar.Colorbar()`的方法

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()

在这里插入图片描述
到目前为止，全面介绍了 matplotlib 框架下的配色功能。
下一篇将延伸介绍 matplotlib 内置的 Colormap。

Python草堂

关注

37
点赞
踩
217

收藏

觉得还不错? 一键收藏
打赏
3
评论
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...
复制链接

扫一扫