matplotlib bwr-colormap，总是以零为中心

Question

我正在尝试绘制一个包含正数和负数的矩阵。这些数字将在 -1 到 1 的区间内，但不在完整范围内。例如，数字有时可能在 -0.2 到 +0.8 的范围内（参见下面的代码）。 我想使用 bwr-colormap (blue -> white - red)，这样零总是用白色进行颜色编码。 -1 应该用最深的蓝色进行颜色编码，+1 应该用最深的红色进行颜色编码。这里有一个例子，两个图只能通过颜色条来区分。

import numpy
from matplotlib import pyplot as plt

# some arbitrary data to plot
x = numpy.linspace(0, 2*numpy.pi, 30)
y = numpy.linspace(0, 2*numpy.pi, 20)
[X, Y] = numpy.meshgrid(x, y)
Z = numpy.sin(X)*numpy.cos(Y)

fig = plt.figure()
plt.ion()
plt.set_cmap('bwr') # a good start: blue to white to red colormap

# a plot ranging from -1 to 1, hence the value 0 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 1)
plt.pcolor(X, Y, Z)
plt.colorbar()

# a plot ranging from -0.2 to 0.8 hence 0.3 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 2)
plt.pcolor(X, Y, Z*0.5 + 0.3)   # rescaled Z-Data
plt.colorbar()

这段代码创建的图可以看这里：

如上所述，我正在寻找一种始终使用相同颜色对值进行颜色编码的方法，其中 -1：深蓝色，0：白色，+1：深红色。这是一个单行字，我错过了什么还是我必须自己为此写一些东西？

编辑： 在挖掘了一点点之后，我自己找到了一个令人满意的答案，没有触摸颜色图，而是使用pcolor 的可选输入（见下文）。 不过，我不会删除该问题，因为在我发布此问题并单击相关问题/答案之前，我无法在 SO 上找到答案。另一方面，如果它被删除，我不介意，因为如果您正在寻找正确的关键字，可以在其他地方找到这个问题的答案。

Answer 1

显然，我在挖掘了一段时间后自己找到了答案。 pcolor 提供可选输入 vmin 和 vmax。如果我分别将它们设置为 -1 和 1，它正好解决了这个问题。然后，颜色编码似乎与 vmin 和 vmax 相关，而不是与绘制的数据的最小值和最大值相关。因此将绘图命令（和 cmets）更改为

# a plot ranging from -1 to 1, where the value 0 is colorcoded in white
ax = fig.add_subplot(1, 2, 1)
plt.pcolor(X, Y, Z, vmin=-1, vmax=1) # vmin, vmax not needed here
plt.colorbar()

# a plot ranging from -0.2 to 0.8, where the value 0 is colorcoded in white
ax = fig.add_subplot(1, 2, 2)
plt.pcolor(X, Y, Z*0.5 + 0.3, vmin=-1, vmax=1)   # rescaled Z-Data
plt.colorbar()

它会根据我的需要生成一个图形：

所以，设置 vmin=-1, vmax=1 就可以了，我不必更改颜色图本身的内容。

Answer 2

您还可以使用matplotlib.colors 以0 作为中点来规范化数据，以增强图形的拟态值和最大值。如需更多信息，请访问Colormap Norms，您可以查看更多详细信息。

import matplotlib.colors as colors
# Example of making your own norm.  Also see matplotlib.colors.
# From Joe Kington: This one gives two different linear ramps:

class MidpointNormalize(colors.Normalize):
    def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
        self.midpoint = midpoint
        colors.Normalize.__init__(self, vmin, vmax, clip)

    def __call__(self, value, clip=None):
        # I'm ignoring masked values and all kinds of edge cases to make a
        # simple example...
        x, y = [self.vmin, self.midpoint, self.vmax], [0, 0.5, 1]
        return numpy.ma.masked_array(numpy.interp(value, x, y))
#####

# a plot ranging from -0.2 to 0.8 hence 0.3 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 2)
plt.pcolor(X, Y, Z*0.5 + 0.3, norm=MidpointNormalize(midpoint=0))   # Set midpoint as 0
plt.colorbar(extend='min') # To extend colorbar in the min values
plt.subplots_adjust(left=0.125, bottom=0.1, right=0.9, top=0.95, wspace=0.5, hspace=0.1) # to adjust the subplots

它产生这个数字：

Answer 3

您可以像这样使用 matplotlib.colors.TwoSlopeNorm：

# define your scale, with white at zero
vmin = -0.2 
vmax = 0.8
norm = colors.TwoSlopeNorm(vmin=vmin, vcenter=0, vmax=vmax)

在你的例子中，

import numpy
from matplotlib import pyplot as plt

# some arbitrary data to plot
x = numpy.linspace(0, 2*numpy.pi, 30)
y = numpy.linspace(0, 2*numpy.pi, 20)
[X, Y] = numpy.meshgrid(x, y)
Z = numpy.sin(X)*numpy.cos(Y)

fig = plt.figure()
plt.ion()
plt.set_cmap('bwr') # a good start: blue to white to red colormap

# a plot ranging from -1 to 1, hence the value 0 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 1)
plt.pcolor(X, Y, Z)
plt.colorbar()

# a plot ranging from -0.2 to 0.8 hence 0.3 (the average) is colorcoded in white
ax = fig.add_subplot(1, 2, 2)

# define your scale, with white at zero
vmin = -0.2 
vmax = 0.8
norm = colors.TwoSlopeNorm(vmin=vmin, vcenter=0, vmax=vmax)

plt.pcolor(X, Y, Z, vmin=vmin, vmax=vmax, norm=norm)   
plt.colorbar()

会给你：