Matplotlib 自定义颜色图不尊重着色

Question

（旧版问题如下）

我正在定义以下自定义颜色图，其中我将白色 (#ffffff) 分配给浮点数 zero_pt。

import matplotlib.colors as col
from matplotlib.colors import LinearSegmentedColormap

zero_pt = 0.98181818181818181

cmap = LinearSegmentedColormap.from_list(
    'mycmap', [(0, 'blue'), (zero_pt, 'white'), (1, 'red')])

但是当我尝试从相同的 zero_pt 值中检索十六进制颜色代码时，我没有得到 #ffffff（即：白色），正如我所期望的那样：

rgb = cmap(zero_pt)[:3]
print(col.rgb2hex(rgb))
> u'#ffdcdc'

为什么会这样？我该如何解决这个问题？

---

这里是老问题

我需要定义一个自定义颜色图，其中负值显示为蓝色，零值显示为白色，正值显示为红色。代码如下，必要的数据文件在这里（data.pkl）和这里（edges.pkl）。

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


with open('data.pkl', 'r') as f:
    H = pickle.load(f)
with open('edges.pkl', 'r') as f:
    edges = pickle.load(f)

# Define zero point for empty bins which should be colored in white.
zero_pt = 1. - H.max() / (H.max() - H.min())

print(H.min(), H.max(), zero_pt)

cmap = LinearSegmentedColormap.from_list(
    'mycmap', [(0, 'blue'), (zero_pt, 'white'), (1, 'red')])

Y, X = np.meshgrid(edges[0], edges[1])
plt.pcolormesh(X, Y, H, cmap=cmap, vmin=H.min(), vmax=H.max())

plt.show()

这会导致

如果我们检查H 数组，我们会看到很多零值应该显示为白色，而在上图中显示为粉红色。

这不会发生在我使用的所有数据中，它只是偶尔发生。我认为这个问题与四舍五入有关？有没有办法强制像这种情况一样以白色显示零值？

Answer 1

正如在 cmets 中所说，如果 N 是颜色图中的颜色数，则需要将零点值四舍五入为 1/N 的倍数。当然，颜色图中的零点值与任何其他颜色之间的差异必须大于1/N。

所以这里有一个解决方案

import matplotlib.colors as col
from matplotlib.colors import LinearSegmentedColormap
import numpy as np 

N=256
zero_pt0 = 0.98181818181818181
zero_pt_rounded = np.ceil(zero_pt0*(N-1))/float(N-1)
print (zero_pt_rounded)

cmap = LinearSegmentedColormap.from_list(
    'mycmap', [(0, 'blue'), (zero_pt_rounded, 'white'), (1, 'red')], N=N)

# verify if original point zero_pt0 gives white color
rgb = cmap(zero_pt0)[:3]
print(col.rgb2hex(rgb))

关于你的老问题：不清楚zero_pt = 1. - H.max() / (H.max() - H.min()) 应该做什么。 我猜你需要放

data_value_for_white color = ...
zero_pt = (data_value_for_white color - H.min()) / (H.max() - H.min())

此外，为了确保所需值被颜色图中的白色覆盖，我们需要将颜色图中的两个相邻颜色设为白色。

N = 256 # number of colors in the colormap
zero_pt0 = np.floor(zero_pt*(N-1))/float(N-1)
zero_pt1 = np.ceil(zero_pt*(N-1))/float(N-1)
cmap = LinearSegmentedColormap.from_list('mycmap',
         [(0, 'blue'), (zero_pt0, 'white'),(zero_pt1, 'white'), (1, 'red')], N=N)

因此，一个完整的解决方案如下所示：

import pickle
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap, rgb2hex


with open('data.pkl', 'r') as f:
    H = pickle.load(f)
with open('edges.pkl', 'r') as f:
    edges = pickle.load(f)

# Define zero point for empty bins which should be colored in white.
data_value_for_white_color = 0.
zero_pt = (data_value_for_white_color - H.min()) / float(H.max() - H.min())

N=256
zero_pt0 = np.floor(zero_pt*(N-1))/float(N-1)
zero_pt1 = np.ceil(zero_pt*(N-1))/float(N-1)

cmap = LinearSegmentedColormap.from_list('mycmap',
     [(0, 'blue'), (zero_pt0, 'white'),(zero_pt1, 'white'), (1, 'red')], N=N)

Y, X = np.meshgrid(edges[0], edges[1])
plt.pcolormesh(X, Y, H, cmap=cmap, vmin=H.min(), vmax=H.max())
plt.show()