笔记
单击此处 下载完整的示例代码
在 Matplotlib 中创建颜色图#
Matplotlib 有许多内置的颜色图,可通过
matplotlib.colormaps
. 还有一些外部库,如
palettable,它们有许多额外的颜色图。
然而,我们经常想在 Matplotlib 中创建或操作颜色图。这可以使用类ListedColormap
或
LinearSegmentedColormap
. 从外部看,两个颜色图类都将 0 到 1 之间的值映射到一堆颜色。但是,有一些细微的差别,其中一些如下所示。
在手动创建或操作颜色图之前,让我们先看看如何从现有的颜色图类中获取颜色图及其颜色。
获取颜色图并访问它们的值#
首先,获取一个命名的颜色图,其中大部分都列在
Matplotlib中的选择颜色图中,可以使用 来完成matplotlib.colormaps
,它返回一个颜色图对象。内部用于定义颜色图的颜色列表的长度可以通过调整Colormap.resampled
。下面我们使用适中的 8 值,因此没有太多值得关注的值。
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from matplotlib.colors import ListedColormap, LinearSegmentedColormap
viridis = mpl.colormaps['viridis'].resampled(8)
该对象viridis
是一个可调用对象,当传递一个介于 0 和 1 之间的浮点数时,它会从颜色图中返回一个 RGBA 值:
print(viridis(0.56))
(0.122312, 0.633153, 0.530398, 1.0)
列出的颜色图#
ListedColormap
s 将它们的颜色值存储在一个.colors
属性中。可以使用该colors
属性直接访问组成颜色图的颜色列表,也可以通过调用viridis
与颜色图长度匹配的值数组来间接访问它。请注意,返回的列表是 RGBA Nx4 数组的形式,其中 N 是颜色图的长度。
print('viridis.colors', viridis.colors)
print('viridis(range(8))', viridis(range(8)))
print('viridis(np.linspace(0, 1, 8))', viridis(np.linspace(0, 1, 8)))
viridis.colors [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
viridis(range(8)) [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
viridis(np.linspace(0, 1, 8)) [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
颜色图是一个查找表,因此“过采样”颜色图会返回最近邻插值(注意下面列表中的重复颜色)
print('viridis(np.linspace(0, 1, 12))', viridis(np.linspace(0, 1, 12)))
viridis(np.linspace(0, 1, 12)) [[0.267004 0.004874 0.329415 1. ]
[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]
[0.993248 0.906157 0.143936 1. ]]
LinearSegmentedColormap #
LinearSegmentedColormap
s 没有.colors
属性。但是,仍然可以使用整数数组或 0 到 1 之间的浮点数组调用颜色图。
copper = mpl.colormaps['copper'].resampled(8)
print('copper(range(8))', copper(range(8)))
print('copper(np.linspace(0, 1, 8))', copper(np.linspace(0, 1, 8)))
copper(range(8)) [[0. 0. 0. 1. ]
[0.17647055 0.1116 0.07107143 1. ]
[0.35294109 0.2232 0.14214286 1. ]
[0.52941164 0.3348 0.21321429 1. ]
[0.70588219 0.4464 0.28428571 1. ]
[0.88235273 0.558 0.35535714 1. ]
[1. 0.6696 0.42642857 1. ]
[1. 0.7812 0.4975 1. ]]
copper(np.linspace(0, 1, 8)) [[0. 0. 0. 1. ]
[0.17647055 0.1116 0.07107143 1. ]
[0.35294109 0.2232 0.14214286 1. ]
[0.52941164 0.3348 0.21321429 1. ]
[0.70588219 0.4464 0.28428571 1. ]
[0.88235273 0.558 0.35535714 1. ]
[1. 0.6696 0.42642857 1. ]
[1. 0.7812 0.4975 1. ]]
创建列出的颜色图#
创建颜色图本质上是上述操作的逆操作,我们提供颜色规范的列表或数组ListedColormap
来制作新的颜色图。
在继续本教程之前,让我们定义一个辅助函数,该函数将多个颜色图之一作为输入,创建一些随机数据并将颜色图应用于该数据集的图像图。
def plot_examples(colormaps):
"""
Helper function to plot data with associated colormap.
"""
np.random.seed(19680801)
data = np.random.randn(30, 30)
n = len(colormaps)
fig, axs = plt.subplots(1, n, figsize=(n * 2 + 2, 3),
constrained_layout=True, squeeze=False)
for [ax, cmap] in zip(axs.flat, colormaps):
psm = ax.pcolormesh(data, cmap=cmap, rasterized=True, vmin=-4, vmax=4)
fig.colorbar(psm, ax=ax)
plt.show()
在最简单的情况下,我们可能会输入一个颜色名称列表来从中创建一个颜色图。
cmap = ListedColormap(["darkorange", "gold", "lawngreen", "lightseagreen"])
plot_examples([cmap])
事实上,该列表可能包含任何有效 的 Matplotlib 颜色规范。Nx4 numpy 数组对创建自定义颜色图特别有用。因为我们可以在这样的数组上执行各种 numpy 操作,所以从现有颜色图制作新颜色图的木工变得非常简单。
例如,假设我们出于某种原因想要将 256 长度的“viridis”颜色图的前 25 个条目设为粉红色:
viridis = mpl.colormaps['viridis'].resampled(256)
newcolors = viridis(np.linspace(0, 1, 256))
pink = np.array([248/256, 24/256, 148/256, 1])
newcolors[:25, :] = pink
newcmp = ListedColormap(newcolors)
plot_examples([viridis, newcmp])
我们可以减小颜色图的动态范围;这里我们选择颜色图的中间一半。但是请注意,由于 viridis 是列出的颜色图,我们最终将得到 128 个离散值,而不是原始颜色图中的 256 个值。此方法不会在颜色空间中插入以添加新颜色。
viridis_big = mpl.colormaps['viridis']
newcmp = ListedColormap(viridis_big(np.linspace(0.25, 0.75, 128)))
plot_examples([viridis, newcmp])
我们可以轻松地连接两个颜色图:
top = mpl.colormaps['Oranges_r'].resampled(128)
bottom = mpl.colormaps['Blues'].resampled(128)
newcolors = np.vstack((top(np.linspace(0, 1, 128)),
bottom(np.linspace(0, 1, 128))))
newcmp = ListedColormap(newcolors, name='OrangeBlue')
plot_examples([viridis, newcmp])
当然我们不需要从一个命名的颜色图开始,我们只需要创建一个 Nx4 数组来传递给ListedColormap
. 在这里,我们创建了一个从棕色(RGB:90、40、40)到白色(RGB:255、255、255)的颜色图。
N = 256
vals = np.ones((N, 4))
vals[:, 0] = np.linspace(90/256, 1, N)
vals[:, 1] = np.linspace(40/256, 1, N)
vals[:, 2] = np.linspace(40/256, 1, N)
newcmp = ListedColormap(vals)
plot_examples([viridis, newcmp])
创建线性分段颜色图#
该类LinearSegmentedColormap
使用在其间插值 RGB(A) 值的锚点指定颜色图。
指定这些颜色图的格式允许在锚点处不连续。每个锚点被指定为形式矩阵中的一行,其中是锚点, 和
是锚点两侧的颜色值。[x[i] yleft[i] yright[i]]
x[i]
yleft[i]
yright[i]
如果没有间断,则:yleft[i] == yright[i]
cdict = {'red': [[0.0, 0.0, 0.0],
[0.5, 1.0, 1.0],
[1.0, 1.0, 1.0]],
'green': [[0.0, 0.0, 0.0],
[0.25, 0.0, 0.0],
[0.75, 1.0, 1.0],
[1.0, 1.0, 1.0]],
'blue': [[0.0, 0.0, 0.0],
[0.5, 0.0, 0.0],
[1.0, 1.0, 1.0]]}
def plot_linearmap(cdict):
newcmp = LinearSegmentedColormap('testCmap', segmentdata=cdict, N=256)
rgba = newcmp(np.linspace(0, 1, 256))
fig, ax = plt.subplots(figsize=(4, 3), constrained_layout=True)
col = ['r', 'g', 'b']
for xx in [0.25, 0.5, 0.75]:
ax.axvline(xx, color='0.7', linestyle='--')
for i in range(3):
ax.plot(np.arange(256)/256, rgba[:, i], color=col[i])
ax.set_xlabel('index')
ax.set_ylabel('RGB')
plt.show()
plot_linearmap(cdict)
为了在锚点处产生不连续性,第三列与第二列不同。“red”、“green”、“blue”和可选的“alpha”中的每一个的矩阵设置为:
cdict['red'] = [...
[x[i] yleft[i] yright[i]],
[x[i+1] yleft[i+1] yright[i+1]],
...]
x[i]
对于在和之间传递给颜色图的值x[i+1]
,插值在yright[i]
和之间yleft[i+1]
。
在下面的示例中,在 0.5 处有一个红色的不连续性。0 和 0.5 之间的插值从 0.3 变为 1,而 0.5 和 1 之间的插值从 0.9 变为 1。请注意, 和对插值都是多余的,因为(即) 是 0 左侧的值,并且(即) 是 1 右边的值,它在颜色映射域之外。red[0, 1]
red[2, 2]
red[0, 1]
yleft[0]
red[2, 2]
yright[2]
直接从列表创建分段颜色图#
上面描述的方法非常通用,但无可否认,实施起来有点麻烦。对于一些基本的情况,使用起来
LinearSegmentedColormap.from_list
可能会更容易一些。这会从提供的颜色列表中创建一个具有相等间距的分段颜色图。
colors = ["darkorange", "gold", "lawngreen", "lightseagreen"]
cmap1 = LinearSegmentedColormap.from_list("mycmap", colors)
如果需要,可以将颜色图的节点指定为 0 到 1 之间的数字。例如,可以让偏红色的部分在颜色图中占据更多空间。
参考
此示例中显示了以下函数、方法、类和模块的使用:
脚本总运行时间:(0分4.802秒)