matplotlib 合理设置colorbar和子图的对应关系

最新推荐文章于 2024-06-25 17:06:33 发布
最新推荐文章于 2024-06-25 17:06:33 发布
阅读量3w 收藏 300
点赞数 82
分类专栏： python python可视化 python 基础 文章标签： python colorbar contourf imshow 子图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43718675/article/details/102639611
版权

matplotlib 合理设置colorbar和子图的对应关系

文章目录

1. 介绍

在有些情况下，需要画同一个变量不同时刻的等值面图。考虑到不同时刻的数值有大小差异，因而生成的图的colorbar的标签范围也是不一样的。为了方便比较，最好多个时刻共享一个colorbar，方便比较。下面会依次使用 plt.contourf() 和 plt.imshow()函数进行画图介绍。

2 plt.contourf ()

2.1 错误示范
import numpy as np
import matplotlib.pyplot as plt
import matplotlib

#生成一定整数范围内的随机数
a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

fig = plt.figure(figsize = (22,6))

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm)
c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm)
c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm)
c3 = plt.colorbar(h3) 

plt.show()

在这里插入图片描述
如上图，每个图上的相同的颜色表示的数值不一样，不方便比较；

2.2 使用 norm实现颜色和数值之间的对应关系
a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

fig = plt.figure(figsize = (22,6))

#将颜色映射到 vmin~vmax 之间
norm = matplotlib.colors.Normalize(vmin=0, vmax=15)

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
c3 = plt.colorbar(h3)

plt.show()

在这里插入图片描述
如上图，可以实现相同数值大小对应相同的颜色；

但是这样还是不太好看。最好是能够 每个子图的 colorbar的范围都一样(即从0-15)；

2.3 只显示最后一个的colorbar

那有同学想，是否可以只显示最后一个子图的colorbar，作为全局colorbar呢；这个当然也是可以的。

但是会带来一个问题，由于每个子图的大小(无论是否包含colorbar)是一样的，会使得图形大小看起来不一样，很不美观；

如下图：
在这里插入图片描述

2.4 使用 levels 参数设置
a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

fig = plt.figure(figsize = (22,6))

# norm = matplotlib.colors.Normalize(vmin=0, vmax=15)
#设置固定显示的colorbar刻度
levels = np.arange(0,17,2)

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,levels = levels)
c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,levels = levels)
c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,levels = levels)
c3 = plt.colorbar(h3)

plt.show()

在这里插入图片描述

3. 使用plt.imshow()

上面虽然设置了 norm，但是使用plt.contourf还是达不到我们的要求。链接3 给了我们一个示例，使用plt.imshow() + norm可以解决这个问题。按照他的思路，我们重复上面的试验。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib

# matplotlib.rcParams['xtick.direction'] = 'out'
# matplotlib.rcParams['ytick.direction'] = 'out'

a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

fig = plt.figure(figsize = (22,6),dpi=72, facecolor="white")

#将横纵坐标都映射到（0，1）的范围内
extent=(0,1,0,1)

vmin=0
vmax=15
#将颜色映射到 vmin~vmax 之间
norm = matplotlib.colors.Normalize(vmin=0, vmax=15)

ax1 = plt.subplot(1,3,1)
ax1.cla()
h1 = plt.imshow(a1,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.imshow(a2,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.imshow(a3,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c3 = plt.colorbar(h3)

font = {'family' : 'serif',
        'color'  : 'darkred',
        'weight' : 'normal',
        'size'   : 16,
        }

c3.set_label('$T_B(K)$',fontdict=font)
c3.set_ticks(np.arange(vmin,vmax,2))
c3.set_ticklabels(np.arange(vmin,vmax,2))

plt.show()

在这里插入图片描述

如上图，虽然使用plt.imshow可以解决这个问题，但是用带来了一些新问题：

  • 在画子图的时候，colorbar的长度和子图的长度不一致；在单独画一个图的时候，并不存在这样的问题
  • plt.imshow()是逐像素画图的，相比plt.contourf，分辨率很低，并不适合科研上的等值线作图。

4 单独设置colorbar

import numpy as np
import matplotlib.pyplot as plt
import matplotlib

a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

#也可以通过这样 levels 进行设置
#h = plt.contourf(a1,levels = [0,1,2,3,4,5,6,7,8,9,10], cmap = plt.cm.coolwarm)

fig = plt.figure(figsize = (22,6))

norm = matplotlib.colors.Normalize(vmin=0, vmax=15)

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
# c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
# c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
# c3 = plt.colorbar(h3)
# c3.set_clim(vmax = 15)

#前面三个子图的总宽度 为 全部宽度的 0.9；剩下的0.1用来放置colorbar
fig.subplots_adjust(right=0.9)

#colorbar 左 下 宽 高 
l = 0.92
b = 0.12
w = 0.015
h = 1 - 2*b 

#对应 l,b,w,h；设置colorbar位置；
rect = [l,b,w,h] 
cbar_ax = fig.add_axes(rect) 
cb = plt.colorbar(h3, cax=cbar_ax)

#设置colorbar标签字体等
cb.ax.tick_params(labelsize=16)  #设置色标刻度字体大小。
font = {'family' : 'serif',
#       'color'  : 'darkred',
    'color'  : 'black',
    'weight' : 'normal',
    'size'   : 16,
    }
cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小

plt.show()

在这里插入图片描述
如上，是不是很漂亮了。后续适当做一些 坐标、字体等的基本设置，就完成了一张科研图的绘制！

4.1 方式一
import numpy as np
import matplotlib.pyplot as plt
import matplotlib

a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

#也可以通过这样 levels 进行设置
#h = plt.contourf(a1,levels = [0,1,2,3,4,5,6,7,8,9,10], cmap = plt.cm.coolwarm)

fig = plt.figure(figsize = (22,6))

norm = matplotlib.colors.Normalize(vmin=0, vmax=15)

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
# c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
# c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
# c3 = plt.colorbar(h3)
# c3.set_clim(vmax = 15)

#前面三个子图的总宽度 为 全部宽度的 0.9；剩下的0.1用来放置colorbar
fig.subplots_adjust(right=0.9)

#colorbar 左 下 宽 高 
l = 0.92
b = 0.12
w = 0.015
h = 1 - 2*b 

#对应 l,b,w,h；设置colorbar位置；
rect = [l,b,w,h] 
cbar_ax = fig.add_axes(rect) 
cb = plt.colorbar(h3, cax=cbar_ax)

#设置colorbar标签字体等
cb.ax.tick_params(labelsize=16)  #设置色标刻度字体大小。
font = {'family' : 'serif',
#       'color'  : 'darkred',
    'color'  : 'black',
    'weight' : 'normal',
    'size'   : 16,
    }
cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小

plt.show()

在这里插入图片描述
如上，是不是很漂亮了。后续适当做一些 坐标、字体等的基本设置，就完成了一张科研图的绘制！

4.2 方式二
import numpy as np
import matplotlib.pyplot as plt
import matplotlib

#设置子图个数 和 整个图片的大小
fig, axes = plt.subplots(nrows=2, ncols=2,figsize = (12,10))

a_list = [5,10,15,20]

#设置colorbar的范围
vmin = 0
vmax = 20

norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)

for a,ax in zip(a_list,axes.flat):
    
    #设置每个子图
    data = np.random.randint(0,a,size = (20,20))
    im = ax.contourf(data,norm = norm)

#fig 的位置为[0,1]，设置前面4个子图的占的位置为[0,0.8]
fig.subplots_adjust(right=0.8)

#在原fig上添加一个子图句柄为cbar_ax, 设置其位置为[0.85,0.15,0.05,0.7]
#colorbar 左 下 宽 高 
l = 0.85
b = 0.12
w = 0.05
h = 1 - 2*b 
#对应 l,b,w,h；设置colorbar位置；
rect = [l,b,w,h] 
cbar_ax = fig.add_axes(rect)

cb = fig.colorbar(im, cax = cbar_ax) 

#设置colorbar标签字体等
cb.ax.tick_params(labelsize=16)  #设置色标刻度字体大小。
font = {'family' : 'serif',
#       'color'  : 'darkred',
    'color'  : 'black',
    'weight' : 'normal',
    'size'   : 16,
    }
cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小

plt.show()

在这里插入图片描述

4.3 问题

上述两种方式都存在一个潜在的问题。

在这里插入图片描述

​ 在添加colorbar的时，是使用最后一个子图的所在的数值范围。我们来看几种情况。

  • 情况一：

    norm = [5,20], 对应colorbar上 5以下颜色一致。

在这里插入图片描述

在这里插入图片描述

  • 情况二：

    最后一张子图的数值范围为 [0,15)，colorbar范围只能在15以内。

在这里插入图片描述

在这里插入图片描述

结论：

最后一张子图的数据范围决定了colorbar上显示的刻度的范围。

norm范围决定了colorbar颜色变化范围。

4.4 解决方法1：plt.contourf()

为了保证colorbar能覆盖所有子图的范围，应该使得 norm范围与设置colorbar时对应的子图im 的数值范围一致，并且所有子图的数值范围应该都在norm范围之内。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bI7GRXmn-1582701105492)(matplotlib 合理设置colorbar和子图的对应关系.assets/image-20200226135804785.png)]

因此有一个蠢办法：

  • 即另外建一个fig2 , 这个fig2对应的数据范围包括fig1的数据范围。

    import numpy as np
import matplotlib.pyplot as plt
import matplotlib

#设置子图个数 和 整个图片的大小
fig1, axes = plt.subplots(nrows=2, ncols=2,figsize = (10,8))

a_list = [5,10,20,15]

#设置colorbar的范围
vmin = 0
vmax = 20
norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)

for a,ax in zip(a_list,axes.flat):
    
    #设置每个子图的数据范围
    data = np.random.randint(0,a,size = (20,20))
    im = ax.contourf(data,norm = norm)

#fig1 的位置为[0,1]，设置前面4个子图的占的位置为[0,0.8]
fig1.subplots_adjust(right=0.8)

#在原fig1上添加一个子图句柄为cbar_ax, 设置其位置为[0.85,0.15,0.05,0.7]
#colorbar 左 下 宽 高 
l = 0.85
b = 0.12
w = 0.05
h = 1 - 2*b 
#对应 l,b,w,h；设置colorbar位置；
rect = [l,b,w,h] 
cbar_ax = fig1.add_axes(rect)

##设置一个fig2,其数值范围涵括fig1所有子图的数值范围
fig2 = plt.figure(figsize = (18,6))
all_data = np.random.randint(vmin,vmax,size = (20,20))
h4 = plt.contourf(all_data,norm = norm)

#设置fig1的colorbar对应fig2的数据范围
cb = fig1.colorbar(h4, cax = cbar_ax) 

#设置colorbar标签字体等
cb.ax.tick_params(labelsize=16)  #设置色标刻度字体大小。
font = {'family' : 'serif',
#       'color'  : 'darkred',
    'color'  : 'black',
    'weight' : 'normal',
    'size'   : 16,
    }
cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小

plt.show()

在这里插入图片描述

对比上述情况2的图片，情况有所改善，但是吊了一个尾巴。

4.5 解决办法2：plt.imshow()
import numpy as np
import matplotlib.pyplot as plt

a_list = [5,10,20,15]

#设置colorbar的范围
vmin = 0
vmax = 20
norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)

fig, axes = plt.subplots(nrows=2, ncols=2)
for a,ax in zip(a_list,axes.flat):
    
    #设置每个子图
    data = np.random.randint(0,a,size = (20,20))
    im = ax.imshow(data , vmin = vmin, vmax = vmax )

fig.colorbar(im, ax=axes.ravel().tolist())

plt.show()

在这里插入图片描述

使用这个方法可以解决上述情况2的问题，不需要吊个尾巴啦！

至于使用plt.imshow 和 plt.contourf，看各自喜好！另外，建议多看看官网例子。

参考链接

[1] 解决python画图中colorbar设置刻度和标签字体大小

[2] 使用matplotlib的示例：调整字体-设置刻度、坐标、colormap和colorbar等

[3] matplotlib官网例子

fangzuliang
关注
  • 82
    点赞
  • 踩
  • 300
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
专栏目录
Python混淆矩阵可视化：plt.colorbar函数自定义颜色条的数值标签、配置不同情况下颜色条的数值范围以及数据类型（整型、浮点型）
data+scenario+science+insight
11-30 6283
Python混淆矩阵可视化：plt.colorbar函数自定义颜色条的数值标签、配置不同情况下颜色条的数值范围以及数据类型（整型、浮点型） 目录 Python混淆矩阵可视化：plt.colorbar函数自定义颜色条的数值标签、配置不同情况下颜色条的数值范围以及数据类型（整型、浮点型） #仿真数据 #混淆矩阵可视化函数（自定义颜色条的数值标签） #混淆矩阵可视化 #仿真数据 y_pred_qj_final = [0,1,0,1,1,1,0,0,0,1,1,0,1,0,1,1,.
对matplotlib改变colorbar位置和方向的方法详解
12-25
import matplotlib.pyplot as plt data=np.random.rand(10,10) fig, ax=plt.subplots() data[data==-1]=np.nan#去掉缺省值-1 im =ax.imshow(data,interpolation='none',cmap='Reds_r',vmin=0.6,vmax=.9)#不插值 #...
【Python】matplotlib 指定 colorbar 的刻度
Keep Patching 小菜鸡的debug记录~
12-04 2179
【代码】【Python】matplotlib 指定 colorbar 的刻度。
python 统一两个子图的colorbar显示范围
qq_44850232的博客
07-11 1万+
python matplotlib 统一colorbar
【Matplotlib plt.colorbar添加颜色条 】
最新发布
weixin_42483745的博客
06-25 225
Matplotlib plt.colorbar添加颜色条：从入门到精通，只需一篇文章！解决python画图中colorbar设置刻度和标签字体大小python 设置颜色渐变条colorbar
【为两个子图生成colorbar】【colorbar位置参数详解】
张文君的博客
07-22 1122
【代码】为两个子图生成colorbar【colorbar位置参数详解】
在matplotlib中控制colorbar的长度
simple的博客
04-23 1418
使用matplotlib绘制带颜色的箭头图，有时想直接把颜色条拿来当比例尺条，就需要控制颜色条的长度。
colorbar颜色与刻度对应关系
m0_65180819的博客
09-02 766
colormap并colorbar以后，colorbar刻度区间显示的是0～12，可能是因为13数据个数太少，此时设置12个颜色，发现0是没有数据对应的，刻度上的值显示的是该刻度右边的颜色，12和13数值对应的区域颜色应该都是最右边的颜色。colorbar想绘制成两端尖角，刻度值显示2～13，1～2和13～14区间的值设置在尖角里。因此clim颜色设置成11个，并（[2，13]），再绘制两端尖角。一组数据，划分为13个区间，共有14个刻度值，每个区间依次赋值1～13。
plt.colorbar颜色条
weixin_37198422的博客
08-06 6182
除了已收藏，见https://www.brothereye.cn/python/427/
Python数据分析matplotlib设置多个子图的间距方法
09-20
本篇文章将深入探讨如何使用`matplotlib`来设置在同一个图表中包含多个子图时的间距，使得整个图形更加美观且易于阅读。 首先，我们要明白`matplotlib`中的子图（subplot）概念。`subplot`函数允许我们在一个大的...
python matplotlib 绘图 和 dpi对应关系详解
01-20
我就废话不多说啦！ dpi=1　600×400 dpi=2　1200×800 dpi=3　1800×1200 …….. dpi=21　(21×600)×(21×400) —> 12600×8400 示例代码： ... plt_temp.resize(len(y_axis) , 1) plt_arr=np.concatenate((plt_...
plot_colorbar:绘制颜色条作为发布图。-matlab开发
06-01
绘制垂直或水平颜色条以包含在出版物中。 指定的颜色条可以水平或垂直绘制，并且可以传入函数句柄以允许使用不同的颜色图。 写在最近的一些工作中，然后清理并在此处发布，以防对其他人有用。 例子： h1 = plot_colorbar([100, 5], 'h', '测试颜色图') h2 = plot_colorbar([150, 10], 'v', 'Test Colormap', @hsv)
python实现给scatter设置颜色渐变条colorbar的方法
12-25
python设置scatter颜色渐变的方法 参考代码如下： <span xss=removed>import matplotlib.pyplot as plt cm = plt.cm.get_cmap('RdYlBu') xy = range(20) z = xy sc = plt.scatter(xy, xy, c=z, vmin=0, vmax=20, s=35, cmap=cm) plt.colorbar(sc) plt.show()</span> 其中get_cmap中取值可为： Possible values are: Accent, Accent_r,
matplotlib subplot绘制多个子图的方法示例
09-16
`subplot` 是`matplotlib` 中的一个重要方法，用于在单个图表窗口中创建多个子图，便于对比和分析数据。本篇文章将深入探讨`matplotlib subplot` 绘制多个子图的方法及其应用。 首先，`subplot` 函数的基本语法是 `...
matplotlib调节colorbar的大小
热门推荐
Mr.horse的博客
10-24 1万+
调节plt.colorbar的fraction系数即可调节colorbar的大小 weight = np.random.random([8, 8]) plt.imshow(weight) plt.colorbar(fraction=0.05, pad=0.05) plt.savefig('tjn.png', bbox_inches='tight') plt.show()
【plt.colorbar添加颜色条】：从入门到精通，只需一篇文章！【Matplotlib】
创作高质量博文，分享知识，共同进步！
02-16 6566
🌈颜色，不仅是视觉的享受，更是数据可视化的灵魂！在Matplotlib的世界里，plt.colorbar就像一根魔法棒，为你的图表增添色彩和深度。🎨 🌟从入门到精通，本文带你探索plt.colorbar的奥秘！无论是简单应用还是高级定制，你都能在这里找到答案。🛠️ 🔍详解plt.colorbar的关键参数，如extend、orientation和ticks，让你的颜色条更加精准、生动！🌈
（plt绘图）自定义热图渐变色，自定义colorbar
qq_34616741的博客
03-21 3100
seaborn库这个方法最不好的就是不太灵活，方便设计库中已经定义好的颜色，想要更加丰富的颜色，还的用plt。自定义我们的渐变色有很多种方式，可以用seaborn库来作，也可以用plt来做。目标是用plt画一个热图，希望自定义颜色和colorbar。这样子就可以人以的定义自己想要的颜色了。接着定义我们的colorbar。首先展示用seaborn。
cv2,PIL,plt,tensorflow方法图片显示及plt的的plt.colorbar()的使用需要注意
weixin_43794311的博客
05-14 1万+
几种图像读取方式总结 import matplotlib.image as img ：img.imread（） import PIL.Image as Img ：Img.open（） import tensorflow as tf ：tf.read_file（） import cv2：cv2.imread() 需要注意：一、对于低版本的tf，需要将图片经过tf.Session()执行 二、cv2读取文件中不能有中文字符 三、cv2读取三通道和单通道的不同 四、cv2的取的图片文件使用cv.imshow
colorbar拼接
09-03
### 回答1： 如果你需要将多个子图的颜色映射图合并成一个大的颜色映射图，可以使用 Matplotlib 的 GridSpec 和 Colorbar 的 pad 参数实现。 GridSpec 可以将一个大的区域划分成若干个小区域，而 pad 参数可以控制每个子图与颜色映射图之间的距离。 下面是一个示例代码，展示了如何将两个子图的颜色映射图拼接成一个大的颜色映射图： ```python import numpy as np import matplotlib.pyplot as plt from matplotlib.gridspec import GridSpec # 数据 x = np.linspace(-5, 5, 100) y = np.linspace(-5, 5, 100) X, Y = np.meshgrid(x, y) Z1 = np.exp(-X**2 - Y**2) Z2 = np.exp(-(X-1)**2 - (Y-1)**2) # 子图1 fig = plt.figure(figsize=(10, 5)) gs = GridSpec(1, 2, width_ratios=[1, 0.05], wspace=0.05) ax1 = fig.add_subplot(gs[0]) im1 = ax1.imshow(Z1, cmap='viridis') ax1.set_title('Subplot 1') ax1.set_xticks([]) ax1.set_yticks([]) # 子图2 ax2 = fig.add_subplot(gs[1]) im2 = ax2.imshow(Z2, cmap='viridis') ax2.set_title('Subplot 2') ax2.set_xticks([]) ax2.set_yticks([]) # 颜色映射图 cax = fig.add_axes([0.9, 0.1, 0.02, 0.8]) fig.colorbar(im1, cax=cax, pad=0) plt.show() ``` 上述代码中，我们使用了 GridSpec 将画布分成 1 行 2 列，即两个子图。然后，在第一个子图中使用 imshow 方法绘制了第一个颜色映射图，在第二个子图中绘制了第二个颜色映射图。最后，使用 add_axes 方法添加了一个新的轴，用于显示颜色映射图，并将其 pad 参数设置为 0，以达到紧密拼接的效果。 你可以根据具体需求调整 GridSpec 和 pad 参数，以达到理想的效果。 ### 回答2： colorbar拼接是指将多个colorbar（颜色条）组合在一起，形成一个大的颜色条，用于展示画图中多个数据的颜色对应关系。拼接颜色条的目的是使多个数据的颜色范围一致，方便比较和对比。 在Matplotlib库中，可以通过subplots()函数创建多个子图，并在每个子图上添加不同的颜色条。首先，我们需要用subplot()函数创建多个子图，例如subplot(1, 3, 1)可以创建一个1行3列的子图，当前操作的是第一个子图。然后，我们可以在每个子图上绘制图像或者绘制颜色条。在绘制颜色条时，可以通过设置orientation参数来控制颜色条的方向（水平或垂直），通过设置label参数来添加颜色条的标签。最后，通过调用colorbar()函数，可以将颜色条添加到当前的子图上。 具体拼接颜色条的代码如下所示： ```python import matplotlib.pyplot as plt # 创建3个子图 fig, axs = plt.subplots(1, 3, figsize=(10, 3)) # 第一个子图 axs[0].imshow(image1, cmap='jet') axs[0].set_title('Image 1') # 添加第一个子图的颜色条 cbar1 = plt.colorbar(axs[0].imshow(image1, cmap='jet'), ax=axs[0], orientation='horizontal', label='Value') # 第二个子图 axs[1].imshow(image2, cmap='jet') axs[1].set_title('Image 2') # 添加第二个子图的颜色条 cbar2 = plt.colorbar(axs[1].imshow(image2, cmap='jet'), ax=axs[1], orientation='horizontal', label='Value') # 第三个子图 axs[2].imshow(image3, cmap='jet') axs[2].set_title('Image 3') # 添加第三个子图的颜色条 cbar3 = plt.colorbar(axs[2].imshow(image3, cmap='jet'), ax=axs[2], orientation='horizontal', label='Value') # 拼接颜色条 fig.subplots_adjust(bottom=0.2, wspace=0.5) fig.colorbar(cbar1, ax=axs, location='bottom') # 显示图形 plt.show() ``` 以上代码中，我们创建了一个包含3个子图的图形对象，并在每个子图上显示了不同的图像和颜色条。最后，通过subplots_adjust()函数调整子图之间的间距，并使用colorbar()函数将三个子图上的颜色条拼接在一起放在底部展示。 ### 回答3： colorbar拼接是指将不同颜色条(colorbar)进行组合拼接，以形成一个整体颜色条。拼接可以采用水平拼接或垂直拼接的方式，可以根据需要自定义拼接的方式和颜色条的数量。 拼接的过程可以通过编程语言来实现，比如Matlab、Python等。对于Matlab来说，可以使用colormap函数来创建颜色条，并通过colorbar函数来显示和放置颜色条。在拼接颜色条时，可以使用使用不同的colormap函数来创建多个颜色条，然后通过使用subplot、figure和axes等函数来控制颜色条的位置和布局。 在Python中，可以使用matplotlib库的colorbar函数来创建和拼接颜色条。通过设置orientation参数可以控制拼接的方向，设置pad参数可以控制颜色条之间的间距。同时，还可以使用其他库如seaborn、Plotly等来进行更高级的colorbar拼接操作。 通过拼接不同颜色条，可以实现更丰富的数据可视化效果。例如，可以将热度图和标注图的颜色条进行水平拼接，以同时显示温度和标注信息。拼接后的颜色条可以提供更全面、直观的信息展示，方便观察数据的变化和趋势。 总而言之，colorbar拼接是一种数据可视化的技术，可以将不同颜色条进行组合拼接，以展示更全面、直观的信息。无论是在Matlab还是Python中，我们都可以利用相应的库函数来实现拼接，以满足不同可视化需求。
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值