文章概要

本文详细介绍 Matplotlib 的颜色映射功能，包括：

颜色映射类型
颜色映射设置
数据标准化
颜色条

颜色映射类型

pcolormesh

import matplotlib.pyplot as plt
import numpy as np# 创建网格数据
x = np.linspace(-3, 3, 100)
y = np.linspace(-3, 3, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))# 使用 pcolormesh 绘制
plt.figure(figsize=(8, 6))
plt.pcolormesh(X, Y, Z, cmap='viridis')
plt.colorbar()
plt.title('pcolormesh 示例')
plt.show()

contourf

# 使用 contourf 绘制
plt.figure(figsize=(8, 6))
plt.contourf(X, Y, Z, levels=20, cmap='viridis')
plt.colorbar()
plt.title('contourf 示例')
plt.show()# 设置轮廓线
plt.contourf(X, Y, Z, levels=20, cmap='viridis')
plt.contour(X, Y, Z, levels=20, colors='k', alpha=0.5)
plt.colorbar()

imshow

# 使用 imshow 绘制
plt.figure(figsize=(8, 6))
plt.imshow(Z, cmap='viridis', origin='lower',extent=[-3, 3, -3, 3])
plt.colorbar()
plt.title('imshow 示例')
plt.show()# 设置插值方法
plt.imshow(Z, cmap='viridis', interpolation='bilinear')

scatter

# 创建散点数据
x = np.random.randn(100)
y = np.random.randn(100)
z = np.random.randn(100)# 使用 scatter 绘制
plt.figure(figsize=(8, 6))
plt.scatter(x, y, c=z, cmap='viridis')
plt.colorbar()
plt.title('scatter 示例')
plt.show()# 设置点大小
plt.scatter(x, y, c=z, cmap='viridis', s=100)

颜色映射设置

选择颜色映射

# 使用内置颜色映射
plt.pcolormesh(X, Y, Z, cmap='viridis')  # 默认颜色映射
plt.pcolormesh(X, Y, Z, cmap='plasma')   # 等离子体
plt.pcolormesh(X, Y, Z, cmap='inferno')  # 地狱
plt.pcolormesh(X, Y, Z, cmap='magma')    # 岩浆
plt.pcolormesh(X, Y, Z, cmap='cividis')  # 色盲友好# 使用反转的颜色映射
plt.pcolormesh(X, Y, Z, cmap='viridis_r')

创建自定义颜色映射

from matplotlib.colors import LinearSegmentedColormap# 创建自定义颜色映射
colors = ['#000000', '#ff0000', '#ffff00', '#ffffff']
cmap = LinearSegmentedColormap.from_list('custom_cmap', colors)# 使用自定义颜色映射
plt.pcolormesh(X, Y, Z, cmap=cmap)
plt.colorbar()
plt.title('自定义颜色映射')
plt.show()# 创建离散颜色映射
from matplotlib.colors import ListedColormap
colors = ['red', 'green', 'blue']
cmap = ListedColormap(colors)

第三方颜色映射

# 使用 seaborn 颜色映射
import seaborn as sns
plt.pcolormesh(X, Y, Z, cmap=sns.color_palette("husl", 256))# 使用 colorcet 颜色映射
import colorcet as cc
plt.pcolormesh(X, Y, Z, cmap=cc.cm.rainbow)

数据标准化

线性标准化

from matplotlib.colors import Normalize# 创建标准化对象
norm = Normalize(vmin=-1, vmax=1)# 使用标准化
plt.pcolormesh(X, Y, Z, cmap='viridis', norm=norm)
plt.colorbar()
plt.title('线性标准化')
plt.show()# 自动标准化
plt.pcolormesh(X, Y, Z, cmap='viridis', norm=Normalize())

对数标准化

from matplotlib.colors import LogNorm# 创建对数标准化对象
norm = LogNorm(vmin=0.1, vmax=10)# 使用对数标准化
plt.pcolormesh(X, Y, Z, cmap='viridis', norm=norm)
plt.colorbar()
plt.title('对数标准化')
plt.show()# 自动对数标准化
plt.pcolormesh(X, Y, Z, cmap='viridis', norm=LogNorm())

其他标准化方法

from matplotlib.colors import PowerNorm, SymLogNorm# 使用幂次标准化
norm = PowerNorm(gamma=0.5)
plt.pcolormesh(X, Y, Z, cmap='viridis', norm=norm)# 使用对称对数标准化
norm = SymLogNorm(linthresh=0.1)
plt.pcolormesh(X, Y, Z, cmap='viridis', norm=norm)

颜色条

添加颜色条

# 基本颜色条
plt.pcolormesh(X, Y, Z, cmap='viridis')
plt.colorbar()# 设置颜色条位置
plt.colorbar(orientation='horizontal')
plt.colorbar(location='left')
plt.colorbar(location='right')

自定义颜色条

# 设置颜色条标签
plt.colorbar(label='数值')# 设置颜色条刻度
plt.colorbar(ticks=[-1, 0, 1])# 设置颜色条格式
plt.colorbar(format='%.1f')# 设置颜色条大小
plt.colorbar(fraction=0.046, pad=0.04)

颜色条位置

# 使用 axes 位置
cbar_ax = plt.axes([0.85, 0.1, 0.05, 0.8])
plt.colorbar(cax=cbar_ax)# 使用 GridSpec
import matplotlib.gridspec as gridspec
gs = gridspec.GridSpec(1, 2, width_ratios=[20, 1])
ax = plt.subplot(gs[0])
cbar_ax = plt.subplot(gs[1])
plt.colorbar(cax=cbar_ax)