matplotlib：如何根据其布尔值一致地更改数据点颜色。答案

【问题标题】：matplotlib: how to change data point color based on it's boolean value consistently.matplotlib：如何根据其布尔值一致地更改数据点颜色。
【发布时间】：2016-12-06 09:35:30
【问题描述】：

我正在尝试使用 matplotlib 中的 pcolormesh 绘制一个布尔 numpy 数组。如果 numpy 数组中的单元格值为 True，我想将其显示为绿色，否则我想将其显示为红色。

这是我正在使用的代码 sn-p：

import matplotlib.pylab as plt
import numpy
from matplotlib import colors
matrix = numpy.array([[True, True, True]])
cmap = colors.ListedColormap(['green', 'red'], 'indexed')
fig, ax = plt.subplots()
ax.pcolormesh(matrix, cmap=cmap, edgecolor='black', linestyle='-', lw=1)
plt.show()

如果我将矩阵更改为： matrix = numpy.array([[False, False, False]]) 所有的单元格仍然是绿色而不是红色。

有没有办法使用 ListedColormap 一致地将布尔值分配给特定颜色？理想情况下，False 值将始终映射到红色，True 值将始终映射到绿色。

我正在使用 Python 2.7.6，Matplitlib 版本：1.4.3。提前致谢。

【问题讨论】：

标签： python matplotlib

【解决方案1】：

好的，所以我找到了解决此问题的方法。

基本上我在matplotlib中使用colormaps的set_bad属性。

首先，我将 numpy 数组中的所有 False 事件都屏蔽为“坏”数据

matrix = numpy.ma.masked_where(matrix == False, matrix)

其次，我创建一个仅指定绿色的 ListedColormap。

cmap = colors.ListedColormap(['green'])

然后我使用colormaps 的set_bad 属性将所有“坏”数据设置为红色。

cmap.set_bad(color='red')

这是完整的代码示例：

import matplotlib.pylab as plt
import numpy
from matplotlib import colors

# Example data
matrix = numpy.array([[True, False, False]])

# Mask the False occurences in the numpy array as 'bad' data
matrix = numpy.ma.masked_where(matrix == False, matrix)

# Create a ListedColormap with only the color green specified
cmap = colors.ListedColormap(['green'])

# Use the `set_bad` property of `colormaps` to set all the 'bad' data to red
cmap.set_bad(color='red')

fig, ax = plt.subplots()
ax.pcolormesh(matrix, cmap=cmap, edgecolor='black', linestyle='-', lw=1)

plt.show()

【讨论】：