如何与绝对值定义的颜色表与matplotlib

Question

我使用下面的脚本用于绘图：

import matplotlib 

import matplotlib.pyplot as plt 
import numpy as np 
import pylab as pl 
import math 
import matplotlib as mpl 
from matplotlib.ticker import MultipleLocator 
from matplotlib.colors import LinearSegmentedColormap 

cdict1 = {'red': ((0.0, 1.0, 1.0), 
        (0.4, 1.0, 1.0), 
        (0.7, 0.0, 0.0), 
        (1.0, 0.0, 0.0)), 

     'green': ((0.0, 1.0, 1.0), 
        (0.1, 0.0, 0.0), 
        (1.0, 0.0, 0.0)), 

     'blue': ((0.0, 1.0, 1.0), 
        (0.1, 0.0, 0.0), 
        (0.4, 0.0, 0.0), 
        (1.0, 1.0, 1.0)) 
     } 

white_blue_red = LinearSegmentedColormap('WhiteBlueRed', cdict1) 
plt.register_cmap(cmap=white_blue_red) 

x = np.loadtxt('data.dat', 
       unpack=True) 

plt.scatter(x[0], x[1], marker='.', s=3, linewidths=0, c=x[3], cmap= \ 
      plt.get_cmap('WhiteBlueRed')) # plt.cm.bwr 
plt.colorbar() 

plt.show() 

我已经定义的颜色映射使用相对值（函数1最大值的0最小值）。问题是我想使用该代码绘制数百个不同的文件，并且我希望每个绘图都具有完全相同的颜色映射。有没有可能用绝对值定义色彩映射？这将解决我的问题。

Answer 1

在这种情况下的关键是norm，而不是颜色映射。

该颜色图定义的颜色已经缩放数据。 norm将数据缩放到0-1范围。

缺省情况下，Normalize实例将被创建的数据或的vmin和vmax kwargs，如果它们被提供的min和max之间缩放。

但是，有一些不同的帮助函数可能对您的情况有用。

如果你想有一个离散的彩条，还有一个辅助功能可以同时生成norm和你cmap：matplotlib.colors.from_levels_and_colors这需要值列表和一个颜色列表，并返回一个BoundaryNorm实例和LinearSegmentedColormap实例：

例如：

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

data1 = 3 * np.random.random((10, 10)) 
data2 = 5 * np.random.random((10, 10)) 

levels = [0, 1, 2, 3, 4, 5] 
colors = ['red', 'brown', 'yellow', 'green', 'blue'] 
cmap, norm = matplotlib.colors.from_levels_and_colors(levels, colors) 

fig, axes = plt.subplots(ncols=2) 
for ax, dat in zip(axes, [data1, data2]): 
    im = ax.imshow(dat, cmap=cmap, norm=norm, interpolation='none') 
    fig.colorbar(im, ax=ax, orientation='horizontal') 
plt.show() 

注意，这产生了离散的颜色表。

如果我们想用一个连续的颜色表代替，我们可以指定同一vmin和vmax参数或创建自己的Normalize实例，并在将它作为norm参数的所有图像。

此外，还有一个类似的功能，从颜色列表中创建一个连续的颜色表：

import numpy as np 
import matplotlib.pyplot as plt 
from matplotlib.colors import LinearSegmentedColormap 

data1 = 3 * np.random.random((10, 10)) 
data2 = 5 * np.random.random((10, 10)) 

colors = ['red', 'brown', 'yellow', 'green', 'blue'] 
cmap = LinearSegmentedColormap.from_list('name', colors) 
norm = plt.Normalize(0, 5) 

fig, axes = plt.subplots(ncols=2) 
for ax, dat in zip(axes, [data1, data2]): 
    im = ax.imshow(dat, cmap=cmap, norm=norm, interpolation='none') 
    fig.colorbar(im, ax=ax, orientation='horizontal') 
plt.show()