Matplotlib - 如何为具有对数刻度的线图设置颜色条

Question

我在将颜色条添加到对应于幂律的多行图中时遇到问题。

为了为非图像图创建颜色条，我添加了一个虚拟图（来自此处的答案：Matplotlib - add colorbar to a sequence of line plots）。

到颜色条的刻度不对应于绘图的颜色。

我已尝试更改颜色条的规范，并且可以对其进行微调以使其在特定情况下保持准确，但通常我不能这样做。

def plot_loglog_gauss():
    from matplotlib import cm as color_map
    import matplotlib as mpl

    """Creating the data"""
    time_vector = [0, 1, 2, 4, 8, 16, 32, 64, 128, 256]
    amplitudes = [t ** 2 * np.exp(-t * np.power(np.linspace(-0.5, 0.5, 100), 2)) for t in time_vector]

    """Getting the non-zero minimum of the data"""
    data = np.concatenate(amplitudes).ravel()
    data_min = np.min(data[np.nonzero(data)])

    """Creating K-space data"""
    k_vector = np.linspace(0,1,100)

    """Plotting"""
    number_of_plots = len(time_vector)
    color_map_name = 'jet'
    my_map = color_map.get_cmap(color_map_name)
    colors = my_map(np.linspace(0, 1, number_of_plots, endpoint=True))

    # plt.figure()
    # dummy_plot = plt.contourf([[0, 0], [0, 0]], time_vector, cmap=my_map)
    # plt.clf()

    norm = mpl.colors.Normalize(vmin=time_vector[0], vmax=time_vector[-1])
    cmap = mpl.cm.ScalarMappable(norm=norm, cmap=color_map_name)
    cmap.set_array([])


    for i in range(number_of_plots):
        plt.plot(k_vector, amplitudes[i], color=colors[i], label=time_vector[i])

    c = np.arange(1, number_of_plots + 1)
    plt.xlabel('Frequency')
    plt.ylabel('Amplitude')
    plt.yscale('symlog', linthreshy=data_min)
    plt.xscale('log')
    plt.legend(loc=3)

    ticks = time_vector
    plt.colorbar(cmap, ticks=ticks, shrink=1.0, fraction=0.1, pad=0)

    plt.show()

通过与图例进行比较，您会发现刻度值与实际颜色不匹配。例如，128 在颜色图中显示为绿色，而在图例中显示为红色。

实际结果应该是一个线性颜色的颜色条。在颜色条上以规则的间隔带有刻度（对应于不规则的时间间隔......）。当然，正确的颜色是刻度值。

（最终该图包含许多图（len(time_vector) ~ 100），我降低了图的数量来说明并能够显示图例。）

澄清一下，这就是我想要的结果。

Answer 1

最重要的原则是保持线图中的颜色和ScalarMappable 同步。这意味着，线条的颜色不应取自独立的颜色列表，而应取自相同的颜色图并使用与要显示的颜色条相同的规范化。

然后一个主要问题是决定如何处理0，它不能成为对数归一化的一部分。以下是一种解决方法，假设线性比例介于 0 和 2 之间，并且使用 SymLogNorm 在上面的对数比例。

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

"""Creating the data"""
time_vector = [0, 1, 2, 4, 8, 16, 32, 64, 128, 256]
amplitudes = [t ** 2 * np.exp(-t * np.power(np.linspace(-0.5, 0.5, 100), 2)) for t in time_vector]

"""Getting the non-zero minimum of the data"""
data = np.concatenate(amplitudes).ravel()
data_min = np.min(data[np.nonzero(data)])

"""Creating K-space data"""
k_vector = np.linspace(0,1,100)

"""Plotting"""
cmap = plt.cm.get_cmap("jet")
norm = mpl.colors.SymLogNorm(2, vmin=time_vector[0], vmax=time_vector[-1])

sm = mpl.cm.ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])

for i in range(len(time_vector)):
    plt.plot(k_vector, amplitudes[i], color=cmap(norm(time_vector[i])), label=time_vector[i])

#c = np.arange(1, number_of_plots + 1)
plt.xlabel('Frequency')
plt.ylabel('Amplitude')
plt.yscale('symlog', linthreshy=data_min)
plt.xscale('log')
plt.legend(loc=3)

cbar = plt.colorbar(sm, ticks=time_vector, format=mpl.ticker.ScalarFormatter(), 
                    shrink=1.0, fraction=0.1, pad=0)

plt.show()