У меня есть следующий код:
import matplotlib.pyplot as plt
cdict = {
'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}
cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)
plt.clf()
plt.pcolor(X, Y, v, cmap=cm)
plt.loglog()
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.colorbar()
plt.show()
Таким образом, это производит график значений 'v' на осях X по сравнению с Y, с помощью указанной карты цветов. Оси X и Y прекрасны, но распространения карты цветов между минутой и макс. против я хотел бы вынудить карту цветов расположиться между 0 и 1.
Я думал об использовании:
plt.axis(...)
Для установки диапазонов осей но это только берет аргументы в течение минуты и макс. X и Y, не карты цветов.
Править:
Для ясности скажем, у меня есть один график, значения которого располагаются (0... 0.3), и другой график, чьи значения (0.2... 0.8).
В обоих графиках я захочу, чтобы диапазон шкалы палитры был (0... 1). В обоих графиках я хочу, чтобы этот диапазон цвета был идентичным использованием полного спектра cdict выше (таким образом, 0.25 в обоих графиках будет тот же цвет). В первом графике все цвета между 0,3 и 1.0 не покажут в графике, но будет в ключе шкалы палитры в стороне. В другом все цвета между 0 и 0.2, и между 0,8 и 1 не покажут в графике, но будет в шкале палитры в стороне.
Использование vmin
и vmax
позволяет задать диапазон для цветов. Вот пример:
import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np
cdict = {
'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}
cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)
x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)
data = 2*( np.sin(X) + np.sin(3*Y) )
def do_plot(n, f, title):
#plt.clf()
plt.subplot(1, 3, n)
plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)
plt.title(title)
plt.colorbar()
plt.figure()
do_plot(1, lambda x:x, "all")
do_plot(2, lambda x:np.clip(x, -4, 0), "<0")
do_plot(3, lambda x:np.clip(x, 0, 4), ">0")
plt.show()
Используйте функцию CLIM (эквивалентную функции CAXIS в MATLAB):
plt.pcolor(X, Y, v, cmap=cm)
plt.clim(-4,4) # identical to caxis([-4,4]) in MATLAB
plt.show()
Не уверен, что это самое элегантное решение (это то, что я использовал), но вы можете масштабировать свои данные в диапазоне от 0 до 1, а затем изменить цветовую шкалу:
import matplotlib as mpl
...
ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)
cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,
norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))
cbar.set_clim(-2.0, 2.0)
С помощью двух разных пределов вы можете управлять диапазоном и условными обозначениями шкалы палитры. В этом примере на панели отображается только диапазон от -0,5 до 1,5, тогда как палитра охватывает диапазон от -2 до 2 (так что это может быть ваш диапазон данных, который вы записываете перед масштабированием).
Таким образом, вместо масштабирования цветовой карты вы масштабируете свои данные и подгоняете под них цветовую шкалу.