根据值/数据类型（并保留范围）在 matplotlib 颜色图上设置特定的像素颜色

Question

我有一个 CSV 数据文件，其中包含（简化）形式的数据：

1.2, 2.2,   o,   s
1.7,   s, 2.4, 2.9
  o, 0.9, 0.1, NaN
1.4,   s, 0.5, 0.9

注意：这包含字符“o”，而不是数字零 (0)。该文件与表示不同类型的“失败”测量的字符混合在一起。这些矩阵通常比 4x4 网格大得多。

我想使用 matplotlib 在颜色图上绘制这些矩阵，但每个失败的测量值在图上分配了自己的颜色，同时保留合法数据的颜色范围。

具有逻辑的东西，例如 `

if data == 'o':
   pixel_colour = 'red'

if data == 's':
   pixel_colour = 'black'

if data == 'NaN':
   pixel_colour = 'white'

` 我已经看过这篇有用的帖子 (Changing colours of pixels of plt.imshow() image.)，但我想不出如何让它处理异构数据类型。

Answer 1

要正确回答您的问题，您可以屏蔽不良值、规范、映射到 RGBA，然后根据需要填写其他颜色

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

data = np.array([[1.2, 2.2,   'o',   's', 2.5],
                 [1.7,   's', 2.4, 2.9, 1.7],
                 ['o', 0.9, 0.1, 'NaN', 0.4]])
data[data == 'NaN'] = -4000           
data[data == 'o'] = -5000           
data[data == 's'] = -6000
data = data.astype(np.float64)

norm = mpl.colors.Normalize(vmin=0, vmax=3)
cmap = plt.get_cmap('viridis')

# convert from 0-1:
datan = norm(data)
# convert to rgba:
rgba = cmap(datan)
# Fill in colours for the out of range data:
rgba[data==-4000, :] = [1, 1, 1, 1]
rgba[data==-5000, :] = [1, 0, 0, 1]
rgba[data==-6000, :] = [0, 1, 1, 1]

# plot:
fig, ax = plt.subplots()
ax.imshow(rgba)
plt.show()