显示 matplotlib 颜色条而不是图例，用于具有逐渐变化的颜色的多个绘图

Question

我正在尝试制作一个简单的图，该图显示了许多属于具有特定顺序的大型数据集的曲线，例如图 1..n。曲线的形状随着 n 的增加而逐渐变化。读者能否确切地看到哪个图属于哪个 n 值并不重要，但他们应该能够猜测 n 是哪个数量级。

因此我会这样做：

nValues = range(0,30)
xValues = np.linspace(0,10)
dataset = [(xValues-5-0.5*n)**2 for n in nValues]
colors = {n: colorsys.hsv_to_rgb(hue,0.9,0.7) for n,hue in zip(nValues,np.linspace(0,0.7,len(nValues)))}
for n in nValues:
    plt.plot(dataset[n],color=colors[n])

（为了清楚起见，这只是示例，我的数据实际上存储在一个不错的 pandas 数据框中。）

而不是图例，我想在绘图旁边添加一个颜色条，可能带有几个刻度线和标签（至少是最小值和最大值），以指示哪种颜色属于 n 的哪个值，但我不知道如何做到这一点。我想如果我真的从 ColorMap 中获取我的绘图颜色，事情可能会更容易，但我也不知道该怎么做，也不知道如何从那里开始。

欢迎大家指点！

Answer 1

@tom 和@Joe Kington 都是对的：这个问题以前被问过。但是，我试图以稍微少一点的努力作为链接的答案来举一个例子。 要使用颜色图（始终将值从 [0,1] 映射到颜色），您首先需要对数据进行规范化。为此，您可以使用 Normalize 类。仅当您打算创建颜色条时才需要 ScalarMappable 实例。

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import matplotlib.cm as cm
import numpy as np

# your dataset
nValues = np.arange(0,30)
xValues = np.linspace(0,10)
dataset = [(xValues-5-0.5*n)**2 for n in nValues]

# setup the normalization and the colormap
normalize = mcolors.Normalize(vmin=nValues.min(), vmax=nValues.max())
colormap = cm.jet

# plot
for n in nValues:
    plt.plot(dataset[n], color=colormap(normalize(n)))

# setup the colorbar
scalarmappaple = cm.ScalarMappable(norm=normalize, cmap=colormap)
scalarmappaple.set_array(nValues)
plt.colorbar(scalarmappaple)

# show the figure
plt.show()

结果：

Answer 2

这几乎是其他几个问题的重复。关键是 matplotlib 需要一个 ScalarMappable 实例（通常是图像、散点图等）来制作颜色图。如果您不使用创建一个的绘图方法，则很容易伪造一个。您需要一个 Normalize 实例来定义颜色图的最小/最大值/缩放/等，并需要一个 Colormap 实例来定义颜色。

但是，您还有一个额外的问题。您没有使用颜色图，因此您需要构建一个。

这是一个带有离散颜色图的示例：

import numpy as np
import matplotlib.colors as mcolors
import matplotlib.cm
import matplotlib.pyplot as plt

# Your example...
nvalues = range(0,30)
xvalues = np.linspace(0,10)

hsv2rgb = lambda hue: mcolors.hsv_to_rgb([hue,0.9,0.7])
hues = np.linspace(0, 0.7, len(nvalues))
colors = [hsv2rgb(hue) for hue in hues]

dataset = [(xvalues-5-0.5*n)**2 for n in nvalues]

fig, ax = plt.subplots()
for n in nvalues:
    ax.plot(dataset[n], color=colors[n])

# Fake a ScalarMappable so you can display a colormap
cmap, norm = mcolors.from_levels_and_colors(range(len(nvalues) + 1), colors)
sm = matplotlib.cm.ScalarMappable(cmap=cmap, norm=norm)
sm.set_array([])

fig.colorbar(sm)

plt.show()

如果您更喜欢连续的颜色图：

import numpy as np
import matplotlib.colors as mcolors
import matplotlib.cm
import matplotlib.pyplot as plt

# Your example...
nvalues = range(0,30)
xvalues = np.linspace(0,10)

hsv2rgb = lambda hue: mcolors.hsv_to_rgb([hue,0.9,0.7])
hues = np.linspace(0, 0.7, len(nvalues))
colors = [hsv2rgb(hue) for hue in hues]

dataset = [(xvalues-5-0.5*n)**2 for n in nvalues]

fig, ax = plt.subplots()
for n in nvalues:
    ax.plot(dataset[n], color=colors[n])

# Fake a ScalarMappable so you can display a colormap
cmap = mcolors.LinearSegmentedColormap.from_list('my_cmap', colors)
norm = mcolors.Normalize(min(nvalues), max(nvalues))
sm = matplotlib.cm.ScalarMappable(cmap=cmap, norm=norm)
sm.set_array([])

fig.colorbar(sm)

plt.show()

Answer 3

您必须创建一个新的 cmap 这段代码应该可以工作：

import matplotlib
import matplotlib.pyplot as plt 
import colorsys
import numpy

nValues = range(30)
xValues = numpy.linspace(0,10)
dataset = [(xValues-5-0.5*n)**2 for n in nValues]
colors  = [colorsys.hsv_to_rgb(hue,0.9,0.7) for hue in numpy.linspace(0.,0.7,30)]

fig = plt.figure()
axe = fig.add_subplot(111)
trh = [axe.plot(dataset[n],color=colors[n]) for n in nValues] # one line loop for plotting the data with associated color
cma = matplotlib.colors.ListedColormap(colors, name='from_list', N=None) # creation of a user cmap
msm = matplotlib.cm.ScalarMappable(cmap=cma) 
msm.set_array(nValues) 
fig.colorbar(msm)
fig.show()