使用 Matplotlib 的具有多个颜色图的单个 pcolormesh

Question

我正在创建一个 GUI，其中有多个记录（“事物”）和字段的实时“时间点”数据。记录可以根据字段进行比较，但字段不一定相关（至少不是在相同的范围内）。对于我最终的 GUI，我想让主页成为一个热图（实际上是一堆基于列（字段）的一维热图，然后如果你点击一个它会给出时间序列历史和其他一些图表。

无论如何，我在这里追求的是试图让初始热图显示我想要的方式。到目前为止，我可以从 Matplotlib 获取 pcolormesh，通过破解它和基于列的百分位的热图，基本上显示基于字段的单个 1-D 热图，然后在顶部添加实际值的文本。

但是，正如我所说，字段不一定相关，我希望能够为每个字段提供单独的颜色图。 例如：假设字段 3 和 4 在质量上与一个相关另一个，但不是字段 0-3 - 所以最好将这些映射到说“绿色”颜色网格而不是“冷暖”。

这是我目前的代码和生成的 pcolormesh/heatmap：

import pandas as pd
import matplotlib.pyplot as plt

def DFPercentiles(df,bycols=True):
    p=pd.DataFrame(index=df.index,columns=df.columns)
    if bycols!=True:
        for j in df.index:
            for i in df.columns:
                p.loc[j,i]=(df.loc[j,i]-min(df.loc[j,:]))/(max(df.loc[j,:])-min(df.loc[j,:]))
    else:
        for i in df.index:
            for j in df.columns:
                p.loc[i,j]=(df.loc[i,j]-min(df.loc[:,j]))/(max(df.loc[:,j])-min(df.loc[:,j]))
    return p

def Heatmap(df,figsize='auto'):
    if figsize=='auto':
        figsize=[shape(df)[1],shape(df)[0]/2]
    fig=figure(figsize=figsize)
    pdf=array(DFPercentiles(df,bycols=True)).astype(float)[::-1]
    plt.pcolormesh(pdf,cmap=cm.coolwarm,alpha=0.8)
    plt.yticks(arange(0.5,len(df)),df.index[::-1])
    plt.xticks(arange(0.5,len(df.columns)),df.columns)
    for y in range(df.shape[0]):
        for x in range(df.shape[1]):
            plt.text(x + 0.5, y + 0.5, '%.3f' % df[::-1].iloc[y, x],
                     horizontalalignment='center',
                     verticalalignment='center',
                     )
    return plt

hmap=Heatmap(mydf)
hmap.show()

结果：

我没有运气尝试为单独的字段获取多个颜色图。

Answer 1

@ImportanceOfBeingErnest 解决方案的实施：

使用颜色图的堆叠来创建地图的自定义颜色图。基本上，我的函数现在采用 ([list of columns],multiplier,colormap to apply) 的元组并堆叠唯一的颜色图并将百分位数据分组以匹配各个颜色图（端点很难避免着色重叠）。我可能没有非常有效地实现它，但效果很好：

def DFPercentiles_hmapshift(df,bycols=True):
    p=pd.DataFrame(index=df.index,columns=df.columns)
    if bycols!=True:
        for j in df.index:
            for i in df.columns:
                pct=(df.loc[j,i]-min(df.loc[j,:]))/((max(df.loc[j,:])-min(df.loc[j,:]))*1.)
                pct=pct-(pct-0.5)*1./40 #have to rescale it to account for endpoints of cmaps
                p.loc[j,i]=pct
                #print '('+str(max(p.loc[j,:]))+', '+str(min(p.loc[j,:]))+')'

    else:
        for i in df.index:
            for j in df.columns:
                pct=(df.loc[i,j]-min(df.loc[:,j]))/((max(df.loc[:,j])-min(df.loc[:,j]))*1.)
                pct=pct-(pct-0.5)*1./40 #have to rescale it to account for endpoints of cmaps
                p.loc[i,j]=pct
                #print '('+str(max(p.loc[:,j]))+', '+str(min(p.loc[:,j]))+')'
    return p

def Heatmap(df,figsize='auto',ccmaps=[(['Default'],0,'coolwarm')]):
    if figsize=='auto':
        figsize=[shape(df)[1],shape(df)[0]/2]
    fig=figure(figsize=figsize)
    #pdf=array(DFPercentiles(df,bycols=True)).astype(float)[::-1]
    pdf=DFPercentiles_hmapshift(df,bycols=True)
    if len(ccmaps)==1:
        cmap=ccmaps[0][2]
    else:
        cmapl=[]
        for x in ccmaps:
            if x[1]!=0:
                for y in x[0]:
                    pdf[y]=pdf[y]+x[1]
            cmapl.append(getattr(plt.cm,x[2])(np.linspace(0,1,256,endpoint=False)+0.5/256.))
        pdf=np.divide(pdf,len(ccmaps))
        cs=np.vstack(cmapl)
        cmap=matplotlib.colors.LinearSegmentedColormap.from_list("custom",cs)
    pdf=array(pdf).astype(float)[::-1]
    plt.pcolormesh(pdf,cmap=cmap,alpha=0.8)
    plt.yticks(arange(0.5,len(df)),df.index[::-1])
    plt.xticks(arange(0.5,len(df.columns)),df.columns)
    for y in range(df.shape[0]):
        for x in range(df.shape[1]):
            plt.text(x + 0.5, y + 0.5, '%.3f' % df[::-1].iloc[y, x],
                     horizontalalignment='center',
                     verticalalignment='center',
                     )
    return plt

hmap=Heatmap(mydf,ccmaps=[(['Default'],0,'RdBu_r'),(['Field3','Field4'],1,'Greens'),
                     (['Field0'],2,'Greys')])
hmap.show()

为了漂亮（好吧，这只是一个例子！）结果：

Answer 2

每个颜色网格图都有一个与之关联的颜色图。为了在一个图表中使用多个颜色图，我看到了以下选项：

1. 单个矩形： 不要使用 pcolormesh，而是用您喜欢的颜色绘制单个矩形。

2. 创建您的自定义颜色图，其中包含不同范围内的不同颜色图。例如。从 0 到 0.4 的值映射到一个颜色图中的颜色，从 0.4 到 1 的值映射到另一个颜色图中的颜色。这可能看起来像：

   import matplotlib.pyplot as plt
   import matplotlib.colors
   import numpy as np
   
   x,y = np.meshgrid(range(4), range(4))
   z = np.array([[0.2,.3,.95],[.5,.76,0.4],[.3,.1,.6]]).astype(float)
   mask= np.array([[1,0,0],[1,0,0],[1,1,1]]).astype(float)
   Z = z + mask
   
   c2 = plt.cm.Greens(np.linspace(0,1,128))
   c1 = plt.cm.coolwarm(np.linspace(0,1,128))
   cols = np.vstack((c1, c2))
   cmap=matplotlib.colors.LinearSegmentedColormap.from_list("q", cols)
   
   fig, ax=plt.subplots()
   ax.pcolormesh(x,y,Z, vmin=0, vmax=2, cmap=cmap)
   
   plt.show()
   

3. 屏蔽数组并绘制多个 pcolormesh 图。以下示例显示了它的外观：

       import matplotlib.pyplot as plt
       import numpy as np
       import numpy.ma as ma
   
       x,y = np.meshgrid(range(4), range(4))
       z = np.array([[1,1.3,3],[2.2,2.8,1.8],[3,1,3]]).astype(float)
       mask= np.array([[1,0,0],[1,0,0],[1,1,1]]).astype(bool)
       z1 = np.copy(z)
       z1[mask] = np.nan
   
       z2 = np.copy(z)
       z2[~mask] = np.nan
   
       fig, ax=plt.subplots()
       ax.pcolormesh(x,y,ma.masked_invalid(z1), vmin=1, vmax=3, cmap="coolwarm")
       ax.pcolormesh(x,y,ma.masked_invalid(z2), vmin=1, vmax=3, cmap="Greens")
   
       plt.show()