我有以下代码：
import matplotlib.pyplot as plt
cdict = {
'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}
cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)
plt.clf()
plt.pcolor(X, Y, v, cmap=cm)
plt.loglog()
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.colorbar()
plt.show()
因此，这将使用指定的颜色映射在x和y轴上生成一个值'v'的图形。X轴和Y轴是完美的，但是颜色贴图在V的最小值和最大值之间展开。我想强制颜色贴图的范围在0到1之间。
我想用：
plt.axis(...)
设置轴的范围，但这只接受x和y的最小值和最大值的参数，而不接受颜色映射。
编辑：
为了清楚起见，假设我有一个图，其值范围(0…0.3)，以及另一个值为(0.2…0.8)。
在这两个图中，我希望颜色条的范围是(0…1)。在两张图中，我希望使用上面的全部cdict，这一颜色范围是相同的(因此两张图中的0.25将是相同的颜色)。在第一个图形中，0.3到1.0之间的所有颜色都不会出现在图形中，而是会出现在旁边的ColourBar键中。在另一种情况下，0到0.2之间、0.8到1之间的所有颜色都不会出现在图形中，而是出现在侧面的颜色栏中。
参考回复
使用
vmin
和
vmax
强制颜色的范围。下面是一个示例：
import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np
cdict = {
'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}
cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)
x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)
data = 2*( np.sin(X) + np.sin(3*Y) )
def do_plot(n, f, title):
#plt.clf()
plt.subplot(1, 3, n)
plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)
plt.title(title)
plt.colorbar()
plt.figure()
do_plot(1, lambda x:x, "all")
do_plot(2, lambda x:np.clip(x, -4, 0), "<0")
do_plot(3, lambda x:np.clip(x, 0, 4), ">0")
plt.show()
参考回复
使用CLIM函数(相当于Matlab中的CAXIS函数)：
plt.pcolor(X, Y, v, cmap=cm)
plt.clim(-4,4)
plt.show()
参考回复
不确定这是否是最优雅的解决方案(这是我使用的)，但您可以将数据缩放到0到1之间的范围，然后修改颜色栏：
import matplotlib as mpl
...
ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)
cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,
norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))
cbar.set_clim(-2.0, 2.0)
通过这两个不同的限制，您可以控制颜色栏的范围和图例。在本例中，只有-0.5到1.5之间的范围显示在条形图中，而颜色图覆盖-2到2(因此这可能是您的数据范围，您在缩放之前记录的数据范围)。
因此，不要缩放颜色映射，而是缩放数据并使颜色条与之匹配。
参考回复
使用图形环境和.set_clim()
如果您有多个绘图，此选项可能更简单和安全：
import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np
cdict = {
'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}
cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)
x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)
data = 2*( np.sin(X) + np.sin(3*Y) )
data1 = np.clip(data,0,6)
data2 = np.clip(data,-6,0)
vmin = np.min(np.array([data,data1,data2]))
vmax = np.max(np.array([data,data1,data2]))
fig = plt.figure()
ax = fig.add_subplot(131)
mesh = ax.pcolormesh(data, cmap = cm)
mesh.set_clim(vmin,vmax)
ax1 = fig.add_subplot(132)
mesh1 = ax1.pcolormesh(data1, cmap = cm)
mesh1.set_clim(vmin,vmax)
ax2 = fig.add_subplot(133)
mesh2 = ax2.pcolormesh(data2, cmap = cm)
mesh2.set_clim(vmin,vmax)
# Visualizing colorbar part -start
fig.colorbar(mesh,ax=ax)
fig.colorbar(mesh1,ax=ax1)
fig.colorbar(mesh2,ax=ax2)
fig.tight_layout()
# Visualizing colorbar part -end
plt.show()
单色条
最好的选择是在整个绘图中使用单色条。有不同的方法可以做到这一点，this教程对于理解最佳选项非常有用。我更喜欢这样的解决方案，您可以简单地复制和粘贴，而不是以前的可视化颜色条部分的代码。
fig.subplots_adjust(bottom=0.1, top=0.9, left=0.1, right=0.8,
wspace=0.4, hspace=0.1)
cb_ax = fig.add_axes([0.83, 0.1, 0.02, 0.8])
cbar = fig.colorbar(mesh, cax=cb_ax)
附笔。
我建议你用
pcolormesh
而不是
pcolor
因为它更快(更infos here)。
