在 matplotlib 中使用 Colormaps 设置线条的颜色

Question

如何使用颜色图（比如jet）使用运行时提供的标量值设置 matplotlib 中线条的颜色？我在这里尝试了几种不同的方法，我想我很难过。 values[] 是一个存储的标量数组。曲线是一组一维数组，标签是文本字符串数组。每个数组都有相同的长度。

fig = plt.figure()
ax = fig.add_subplot(111)
jet = colors.Colormap('jet')
cNorm  = colors.Normalize(vmin=0, vmax=values[-1])
scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=jet)
lines = []
for idx in range(len(curves)):
    line = curves[idx]
    colorVal = scalarMap.to_rgba(values[idx])
    retLine, = ax.plot(line, color=colorVal)
    #retLine.set_color()
    lines.append(retLine)
ax.legend(lines, labels, loc='upper right')
ax.grid()
plt.show()

Answer 1

您收到的错误是由于您如何定义jet。您正在创建名为“jet”的基类Colormap，但这与获取“jet”颜色图的默认定义非常不同。永远不要直接创建这个基类，而应该只实例化子类。

您在示例中发现的是 Matplotlib 中的错误行为。运行此代码时应该会生成更清晰的错误消息。

这是您示例的更新版本：

import matplotlib.pyplot as plt
import matplotlib.colors as colors
import matplotlib.cm as cmx
import numpy as np

# define some random data that emulates your indeded code:
NCURVES = 10
np.random.seed(101)
curves = [np.random.random(20) for i in range(NCURVES)]
values = range(NCURVES)

fig = plt.figure()
ax = fig.add_subplot(111)
# replace the next line 
#jet = colors.Colormap('jet')
# with
jet = cm = plt.get_cmap('jet') 
cNorm  = colors.Normalize(vmin=0, vmax=values[-1])
scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=jet)
print scalarMap.get_clim()

lines = []
for idx in range(len(curves)):
    line = curves[idx]
    colorVal = scalarMap.to_rgba(values[idx])
    colorText = (
        'color: (%4.2f,%4.2f,%4.2f)'%(colorVal[0],colorVal[1],colorVal[2])
        )
    retLine, = ax.plot(line,
                       color=colorVal,
                       label=colorText)
    lines.append(retLine)
#added this to get the legend to work
handles,labels = ax.get_legend_handles_labels()
ax.legend(handles, labels, loc='upper right')
ax.grid()
plt.show()

导致：

使用ScalarMappable 是对我的相关答案中提出的方法的改进： creating over 20 unique legend colors using matplotlib

Answer 2

我认为使用 numpy 的 linspace 和 matplotlib 的 cm-type 对象来包含我认为更简单的方法是有益的。上述解决方案可能适用于旧版本。我使用的是python 3.4.3、matplotlib 1.4.3、numpy 1.9.3，我的解决方案如下。

import matplotlib.pyplot as plt

from matplotlib import cm
from numpy import linspace

start = 0.0
stop = 1.0
number_of_lines= 1000
cm_subsection = linspace(start, stop, number_of_lines) 

colors = [ cm.jet(x) for x in cm_subsection ]

for i, color in enumerate(colors):
    plt.axhline(i, color=color)

plt.ylabel('Line Number')
plt.show()

这会产生 1000 条不同颜色的线条，它们横跨整个 cm.jet 颜色图，如下图所示。如果您运行此脚本，您会发现可以放大各个行。

现在说我希望我的 1000 种线条颜色只跨越 400 到 600 行之间的绿色部分。我只需将开始和停止值更改为 0.4 和 0.6，这导致只使用 cm.jet 颜色图的 20%在 0.4 和 0.6 之间。

因此，在一行摘要中，您可以相应地从 matplotlib.cm 颜色图创建 rgba 颜色列表：

colors = [ cm.jet(x) for x in linspace(start, stop, number_of_lines) ]

在这种情况下，我使用名为 jet 的常用映射，但您可以通过调用找到 matplotlib 版本中可用颜色映射的完整列表：

>>> from matplotlib import cm
>>> dir(cm)

Answer 3

来自matplotlib 的线条样式、标记和定性颜色的组合：

import itertools
import matplotlib as mpl
import matplotlib.pyplot as plt
N = 8*4+10
l_styles = ['-','--','-.',':']
m_styles = ['','.','o','^','*']
colormap = mpl.cm.Dark2.colors   # Qualitative colormap
for i,(marker,linestyle,color) in zip(range(N),itertools.product(m_styles,l_styles, colormap)):
    plt.plot([0,1,2],[0,2*i,2*i], color=color, linestyle=linestyle,marker=marker,label=i)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.,ncol=4);

更新：不仅支持ListedColormap，还支持LinearSegmentedColormap

import itertools
import matplotlib.pyplot as plt
Ncolors = 8
#colormap = plt.cm.Dark2# ListedColormap
colormap = plt.cm.viridis# LinearSegmentedColormap
Ncolors = min(colormap.N,Ncolors)
mapcolors = [colormap(int(x*colormap.N/Ncolors)) for x in range(Ncolors)]
N = Ncolors*4+10
l_styles = ['-','--','-.',':']
m_styles = ['','.','o','^','*']
fig,ax = plt.subplots(gridspec_kw=dict(right=0.6))
for i,(marker,linestyle,color) in zip(range(N),itertools.product(m_styles,l_styles, mapcolors)):
    ax.plot([0,1,2],[0,2*i,2*i], color=color, linestyle=linestyle,marker=marker,label=i)
ax.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0.,ncol=3,prop={'size': 8})

Answer 4

你可以按照我从我已删除的帐户中写的那样做（禁止新帖子：（有）。它相当简单且好看。

我通常使用这 3 个中的第 3 个，我也没有检查 1 和 2 版本。

from matplotlib.pyplot import cm
import numpy as np

#variable n should be number of curves to plot (I skipped this earlier thinking that it is obvious when looking at picture - sorry my bad mistake xD): n=len(array_of_curves_to_plot)
#version 1:

color=cm.rainbow(np.linspace(0,1,n))
for i,c in zip(range(n),color):
   ax1.plot(x, y,c=c)

#or version 2: - faster and better:

color=iter(cm.rainbow(np.linspace(0,1,n)))
c=next(color)
plt.plot(x,y,c=c)

#or version 3:

color=iter(cm.rainbow(np.linspace(0,1,n)))
for i in range(n):
   c=next(color)
   ax1.plot(x, y,c=c)

示例 3：

Ship RAO of Roll vs Ikeda damping in function of Roll amplitude A44