python – 如何从matplotlib中的简单数组生成一个colormap数组
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python – 如何从matplotlib中的简单数组生成一个colormap数组,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2281字,纯文字阅读大概需要4分钟。
内容图文
在matplotlib的一些函数中,我们必须传递一个颜色参数而不是一个cmap参数,比如bar3d.
所以我们必须手动生成Colormap.如果我有这样的dz数组:
dz = [1,2,3,4,5]
我想要的是:
ax.bar3d(xpos, ypos, zpos, dx, dy, dz, color=cm.jet(dz), zsort='average')
但是,它不起作用,似乎Colormap实例只能转换规范化数组.
>>> dz = [1,2,3,4,5]
>>> cm.jet(dz)
array([[ 0. , 0. , 0.51782531, 1. ],
[ 0. , 0. , 0.53565062, 1. ],
[ 0. , 0. , 0.55347594, 1. ],
[ 0. , 0. , 0.57130125, 1. ],
[ 0. , 0. , 0.58912656, 1. ]])
当然,这不是我想要的.
我必须做这样的事情:
>>> cm.jet(plt.Normalize(min(dz),max(dz))(dz))
array([[ 0. , 0. , 0.5 , 1. ],
[ 0. , 0.50392157, 1. , 1. ],
[ 0.49019608, 1. , 0.47754586, 1. ],
[ 1. , 0.58169935, 0. , 1. ],
[ 0.5 , 0. , 0. , 1. ]])
代码有多难啊!
Typically Colormap instances are used to convert data values (floats)
from the interval [0, 1] to the RGBA color that the respective
Colormap represents. For scaling of data into the [0, 1] interval see
matplotlib.colors.Normalize. It is worth noting that
matplotlib.cm.ScalarMappable subclasses make heavy use of this
data->normalize->map-to-color processing chain.
那么为什么我不能只使用cm.jet(dz)?
这是我正在使用的导入
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm
解决方法:
您的问题的答案在您复制到问题中的文档的snipplet中给出:
…from the interval [0, 1] to the RGBA color…
但如果你发现你的代码很难看,你可以试着让它变得更好:
>您不必手动指定规范化的限制(如果您打算使用min / max):
norm = plt.Normalize()
colors = plt.cm.jet(norm(dz))
>如果你发现那个丑陋(我不明白为什么),你可以继续手动操作):
colors = plt.cm.jet(np.linspace(0,1,len(dz)))
然而,这是解决方案仅限于等间距的颜色(在您的示例中,这是您想要的dz.
>然后你也可以复制Normalize的功能(因为你似乎不喜欢它):
lower = dz.min()
upper = dz.max()
colors = plt.cm.jet((dz-lower)/(upper-lower))
>使用辅助函数:
def get_colors(inp, colormap, vmin=None, vmax=None):
norm = plt.Normalize(vmin, vmax)
return colormap(norm(inp))
现在您可以像这样使用它:
colors = get_colors(dz, plt.cm.jet)
内容总结
以上是互联网集市为您收集整理的python – 如何从matplotlib中的简单数组生成一个colormap数组全部内容,希望文章能够帮你解决python – 如何从matplotlib中的简单数组生成一个colormap数组所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。