matplotlib 柱状图之渐变色设置

matplotlib 柱状图之渐变色设置

• matplotlib中，在用bar或者barh绘制柱状图时，发现加入cmap是不管用的，不支持这个关键字，而且网上找了许久，也没有发现有类似功能，最后参考了官网案例。

• 渐变色的设置，其主要就是获取边界，然后向边界内部填充颜色就好啦，因此函数需要获取绘制的ax对象，获取边界，获取渐变色的cmap，以及cmap中的取值范围，以及一些其他的参数

• 渐变色对象：一是背景色；二是柱子填充颜色。 OK here we go!

首先来一组随机数据：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(20191001)
length = 5
xmin, xmax = 0, length
ymin, ymax  = 0, 1

设置图像大小：

fig, ax = plt.subplots()
ax.set(xlim=(xmin, xmax), ylim=(ymin, ymax), autoscale_on=False)

接下来就是要对图像中填入渐变色了，按照上面的分析，需要对象，边界，渐变方向， cmap与范围，其余参数等等，

def gradient(ax, boundary, extent=0.3, cmap_range=(0, 1), **kwargs):
    v = np.array([np.cos(direction * np.pi / 2), np.sin(direction * np.pi / 2)])
    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, extent=extent, interpolation='bicubic',
                   vmin=0, vmax=1, **kwargs)
    return im
    

其中，核心为调用imshow函数，所以也需要继承其中的kwargs。这里return是为了方便以后调用。

进而基于这个函数，我们可以填充每个柱子：，只要往上面的自定义函数里面传入边界与柱子宽度，以及渐变色即可，

def gradient_bar(ax, x, y, width=0.3, bottom=0):
    for left, top in zip(x, y):
        right = left + width
        gradient(ax, extent=(left, right, bottom, top),
                 cmap=plt.cm.Reds, cmap_range=(0.8, 0))

不需要return。

这样完整的代码就是如下：

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(20191001)


def gradient(ax, boundary, direction=0.3, cmap_range=(0, 1), **kwargs):
    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, extent=boundary, interpolation='bicubic',
                   vmin=0, vmax=1, **kwargs)
    return im


def gradient_bar(ax, x, y, width=0.3, bottom=0):
    for left, top in zip(x, y):
        right = left + width
        gradient(ax, boundary=(left, right, bottom, top),
                 cmap=plt.cm.Reds, cmap_range=(0.8, 0), direction = 0.3)


length = 5
xmin, xmax  = 0, length
ymin, ymax =  0, 1

fig, ax = plt.subplots()
ax.set(xlim=(xmin, xmax), ylim=(ymin, ymax), autoscale_on=False)

x = np.arange(length) + 0.2
y = np.random.rand(length)

# bar image
gradient_bar(ax, x, y, width=0.3)
ax.set_aspect('auto')
plt.show()

完事~