提取分段颜色图边界位置

Question

我正在使用 Matplotlib 制作自定义颜色图。

我了解，通过颜色条，我们可以将连续范围的值映射到颜色映射中定义的颜色“光谱”。我正在制作一个自定义分段颜色图来覆盖离散的值范围。

我的代码：

colors = ['#FBE9BD', '#F2C370', '#E58B48', '#C35D30', '#A12F29']
cmap1 = LinearSegmentedColormap.from_list("mycmap", colors, N=5)

我正在着色的数据范围为 [50, 450]。我的理解是，这个颜色条然后将这个范围（最大 - 最小）划分为五个等距的子部分，并根据上面提供的数组为其分配一个颜色值。我的问题是，是否有任何简单的方法可以从此颜色图中提取边界范围？我想将每个 bin 范围（即 50-120、121-175）的值映射到一个图例出现在其各自颜色旁边。

第二个问题 - 假设我们将 N=5 的值增加到 N=10。无需在颜色数组中提供任何其他颜色。现在我们将拥有比不同颜色值更多的子类别。这里会发生什么情况，一些 bin 是否共享相同的颜色分配？

任何信息或示例的链接将不胜感激。

Answer 1

以下代码和情节试图说明正在发生的事情。

LinearSegmentedColormap.from_list("", colors) 在内部创建一个平滑的颜色图，在这种情况下，5 种颜色的值分别为 0、0.25、0.5、0.75 和 1（即范围 0-1 均匀分布到 5-1=4 个相等的空间中。in-位置之间平滑插值。当你设置N时，N区域被放入0-1范围内。例如N=10，设置了10个区域（使用11个边界）。每个区域的颜色值为通过将 0-1 之间的平滑颜色范围划分为 N（因此，不是 N+1）相等的位置获得。

现在，为了将外部值 50-450 映射到内部值 0-1，使用 norm。默认情况下，使用数据的最小值和最大值。 vmin 和/或vmax 可以设置明确的最小值和最大值。 （除此之外，还可以指定一个显式的范数函数。）

要计算外部值的边界，需要将范围 50-450 切割成 N 个相等的区域，因此有 N+1 个边界。 np.linspace(50, 450, N+1) 是一个 numpy 函数，它将这些边界值创建到一个数组中。

from matplotlib import pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
from matplotlib.cm import ScalarMappable
import numpy as np

colors = ['#FBE9BD', '#F2C370', '#E58B48', '#C35D30', '#A12F29']
cmap1 = LinearSegmentedColormap.from_list("mycmap1", colors, N=10)

minval = 50
maxval = 450
bounds = np.linspace(minval, maxval, cmap1.N + 1)
x = np.random.uniform(size=1000)
y = np.random.uniform(minval, maxval, size=x.size)
plt.scatter(x, y, c=y, vmin=minval, vmax=maxval, cmap=cmap1)

cbar = plt.colorbar(ScalarMappable(cmap=LinearSegmentedColormap.from_list("mycmap1", colors, N=256)),
                    label='Complete colormap', ticks=np.linspace(0, 1, len(colors)))
cbar.ax.set_yticklabels(colors)
plt.colorbar(ticks=bounds, label=f'LinearSegmentedColormap N={cmap1.N}')
plt.show()

左边N=5，右边N=10。

下图显示了相同的情况，但颜色更易区分。平滑颜色条上的粗标记显示分段颜色条的确切颜色来源。

PS：以类似的方式创建图例：

from matplotlib import pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
from matplotlib.lines import Line2D
import numpy as np

colors = ['#FBE9BD', '#F2C370', '#E58B48', '#C35D30', '#A12F29']

cmap1 = LinearSegmentedColormap.from_list("mycmap1", colors, N=10)

minval = 50
maxval = 450
bounds = np.linspace(minval, maxval, cmap1.N + 1)
x = np.random.uniform(size=1000)
y = np.random.uniform(minval, maxval, size=x.size)
plt.scatter(x, y, c=y, vmin=minval, vmax=maxval, cmap=cmap1)

handles = [Line2D([], [], color=cmap1(i / (cmap1.N - 1)),
                  marker='o', ls='', label=f'{bounds[i]:.0f}-{bounds[i+1]:.0f}')
           for i in range(cmap1.N) if i < 6 or i == cmap1.N-1]
plt.legend(handles=handles, bbox_to_anchor=[1.02, 1.02], loc='upper left')
plt.tight_layout()
plt.show()