Matplotlib：将渐变颜色图与列出的颜色图相结合答案

【问题标题】：Matplotlib: combine gradient colormap with listed colormapMatplotlib：将渐变颜色图与列出的颜色图相结合
【发布时间】：2019-12-20 22:59:22
【问题描述】：

我有一个 DataFrame，其值来自 (0, 1)（请注意，这两个数字都不包括在内）。

然后，我用 0 填充了一些缺失值。

我想为热图创建以下颜色图：

如果数据缺失 (==0)：热图中的白色（只有一种白色）。
如果数据低于阈值（例如 0
如果数据高于阈值：红色（或任何其他，无关紧要）颜色的渐变颜色图。

这里的关键是我希望 1. 和 2 具有精确的灰色和精确的白色。我不希望低于阈值的值和高于阈值的值之间有任何渐变。

我已经看到这个关于组合两个颜色图的问题：Combining two matplotlib colormaps，但我真的不明白该代码中的何处将负值映射到不同的颜色图，或者如何使第二个颜色图不渐变。

数据仅用于示例：

data = np.random.rand(10,10) * 2 - 1.3
data[data < 0] = 0

还有ListedColormap:

cmap = colors.ListedColormap(['gray', 'white', 'red'])
bounds = [0, 0.0001, 0.1, 1.0]
norm = colors.BoundaryNorm(bounds, cmap.N)

plt.pcolor(data, cmap=cmap)
plt.colorbar()
plt.show()

它给了我什么：

再一次：我希望将热图的红色部分更改为渐变（理想情况下，颜色条不应具有与现在相同大小的所有颜色）。

谢谢。

更新：

我终于意识到可以使用通过cdict 定义的一个颜色图来回答这个问题：Create own colormap using matplotlib and plot color scale。

但是，我完全没有达到我的预期。

我有这个cdict：

cdict = {'red':   ((0.0,  1.0, 1.0),
                   (0.0001,  1.0, 1.0),
                   (lower_bound, 0.99, 0.99),
                   (threshold, 0.99, 0.99),
                   (threshold + 0.0001, 0.98, 0.98),
                   (upper_bound,  0.57, 0.57),
                   (upper_bound + 0.0001,  0.0, 0.0),
                   (1.0, 0.0, 0.0)),

         'green': ((0.0,  1.0, 1.0),
                   (0.0001, 1.0, 1.0),
                   (lower_bound, 0.92, 0.92),
                   (threshold, 0.92, 0.92),
                   (threshold + 0.0001, 0.63, 0.63),
                   (upper_bound,  0.0, 0.0),
                   (upper_bound + 0.0001,  0.0, 0.0),
                   (1.0, 0.0, 0.0)),

         'blue':  ((0.0,  1.0, 1.0),
                   (0.0001,  1.0, 1.0),
                   (lower_bound, 0.82, 0.82),
                   (threshold, 0.82, 0.82),
                   (threshold + 0.0001, 0.42, 0.42),
                   (upper_bound, 0.0, 0.0),
                   (upper_bound + 0.0001,  0.0, 0.0),
                   (1.0, 0.0, 0.0))
        }
cmap = LinearSegmentedColormap('cdict', cdict)

界限：

lower_bound = data[data != 0].min()
upped_bound = data.max()
threshold = 0.2

我在哪里(lower_bound, upper_bound, threshold) = (0.02249988938707692, 0.6575927961263812, 0.2)。

剧情：

fig, ax = plt.subplots(figsize = (15, 6))
im = ax.imshow(data, cmap = cmap)
cbar = ax.figure.colorbar(im, ax = ax)

但是，我明白了：

这怎么可能？如果黑色根据我对cdict 的理解仅分配给高于upper_bound 的值，为什么我有这么多黑色方块，这没有意义，因为upper_bound 是所有数组中的最大值...

【问题讨论】：

stackoverflow.com/questions/37401872/…
@Ardweaden 根据其他问题的答案改进了一些东西，但问题仍未解决。
我认为您的 cdict 设置不正确。您可以试试我在答案中发布的那个（为方便起见）？
@Ardweaden 我试过了，但这不是我所期望的。颜色条应如下所示：白色 0 左右，浅色至 0.2，渐变从 0.2 到末尾。你给的：0 左右的黑色，渐变到 ~1.5，之后是白色。
您能否发布一张您获得或数据的图片？那会很有帮助。

标签： python matplotlib

【解决方案1】：

您需要从 0 到阈值的白色，以及从阈值到 1 的渐变。当您的数据也在 0 和 1 之间的范围内时，这很容易。低于 0 的值可以通过.set_under 设置颜色。

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


data = np.random.rand(10,10) * 2 - 1.3

thresh = 0.2
nodes = [0,thresh, thresh, 1.0]
colors = ["white", "white", "red", "indigo"]
cmap = LinearSegmentedColormap.from_list("", list(zip(nodes, colors)))
cmap.set_under("gray")

fig, ax = plt.subplots()
im = ax.imshow(data, cmap=cmap, vmin=0, vmax=1)
fig.colorbar(im, extend="min")
plt.show()

【讨论】：