如何将直方图颜色设置为渐变？

Question

下面是两个图，我试图复制其中的一个左边。该情节是在 Spyder 3.3.6 中制作的——然而，右边的情节也是如此；即，我无法再重现情节。我两次都使用了相同的代码——一些数据上的简单plt.hist(bins=...)——下面是一个最小的变体。使用 Inline、Automatic、Qt5 和 Tkinter 图形后端进行测试，使用 76.0 dpi - 尽管我不记得所有其他设置，当时可能有所不同。

如何让直方图看起来像左边的 - “循环渐变”？

---

环境。信息：Win-10 操作系统、GTX 1070、Spyder 3.3.6、Python 3.7.5、IPython 7.10.1、Matplotlib 3.1.1

---

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(2)
x = 0.06*(np.random.uniform(-1, 1, 4000) + 0.05*np.random.randn(4000))

plt.hist(x, bins=400)
plt.gcf().set_size_inches(6, 1.2)
plt.box(None)

提示：默认的matplotlib蓝色为color=[0.121569, 0.466667, 0.705882]

Answer 1

一个更完整的答案，其中包含与@An0ther0ne 相关的解释，但感谢 OP 展示了该方法的核心。

这个想法是获取单个直方图条，patches，并根据渐变配色方案通过.set_facecolor() 设置它们的颜色。我们可以生成这样的方案，例如以某种“主色”为中心的正弦函数，以产生所需的效果；应使用 matplotlib 的默认颜色 [0.121569, 0.466667, 0.705882]。

最后，bins_norm = bins / bins.max() 将bins 归一化为介于-1 和1 之间，因此跨越了两倍的正弦周期，因此我们将在np.sin() 中使用np.pi 而不是2*np.pi。

---

示例：

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(2)
x = 0.06*(np.random.uniform(-1, 1, 8000) + 0.05*np.random.randn(8000))

pretty_hist(x, 400, n_loops=8,  alpha=0.9)
pretty_hist(x, 400, n_loops=16, alpha=1)

---

功能：

def pretty_hist(data, bins, n_loops=8, alpha=1, base_color=[0.121569, 0.466667, 0.705882]): 
    N, bins, patches = plt.hist(data, bins=bins, density=True)
    bm = bins.max()
    bins_norm = bins / bm
    bc = base_color

    for bin_norm, patch in zip(bins_norm, patches):
        grad = np.sin(np.pi * n_loops * bin_norm) / 15 + .04 
        color = (bc[0] + grad, bc[1] + grad, bc[2] + grad, alpha)
        patch.set_facecolor(color)

    plt.gcf().set_size_inches(6, 1)
    plt.box(None)
    plt.show()

---

内省：我们可以通过在每次迭代中记录grad然后进行绘图来了解它在做什么；对于n_loops=8 和bins=400：

grads = []
bin_norm, patch in zip(bins_norm, patches):
        grad = np.sin(np.pi * n_loops * bin_norm) / 15 + .04
        grads.append(grad)
plt.plot(grads)

Answer 2

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import colors
np.random.seed(2)
x = 0.06*(np.random.uniform(-1, 1, 4000) + 0.05*np.random.randn(4000))
N, bins, patches = plt.hist(x, bins=400, density=True)
bm = bins.max()
fracs = bins / bm
for thisfrac, thispatch in zip(fracs, patches):
    Green = np.abs(np.sin(thisfrac/bm)/2)
    color = (0,Green,1,1)
    thispatch.set_facecolor(color)
plt.gcf().set_size_inches(6, 1.2)
plt.box(None)
plt.show()