转载于:Matplotlib 系列:colorbar 的设置
该文为我很及时的解决了我的烦恼,再次向作者致意~
作者一直在持续更新python系列,请支持原作者,文章来源:炸鸡人博客
0. 前言
承接 Matplotlib 系列:colormap 的设置 一文,这次介绍 colorbar。所谓 colorbar 即主图旁一个长条状的小图,能够辅助表示主图中 colormap 的颜色组成和颜色与数值的对应关系。本文将会依次介绍 colorbar 的基本用法、如何设置刻度,以及怎么为组图添加 colorbar。代码基于 Matplotlib 3.3.4。
1. colorbar 的基本用法
Colorbar 主要通过figure.colorbar
方法绘制,先介绍常用的几个参数
mappable
:直译为“可映射的”,要求是matplotlib.cm.ScalarMappable
对象,能够向 colorbar 提供数据与颜色间的映射关系(即 colormap 和 normalization 信息)。主图中使用contourf
、pcolormesh
和imshow
等二维绘图函数时返回的对象都属于ScalarMappable
。cax
:colorbar 本质上也是一种特殊的 axes,我们为了在画布上决定其位置、形状和大小,可以事先画出一个空 axes,然后将这个 axes 提供给cax
参数,那么这个空 axes 就会变成 colorbar。ax
:有时我们懒得手动为 colorbar 准备好位置,那么可以用ax
参数指定 colorbar 依附于哪个 axes,接着 colorbar 会自动从这个 axes 里“偷”一部分空间来作为自己的空间。orientation
:指定 colorbar 的朝向,默认为垂直方向。类似的参数还有location
。extend
:设置是否在 colorbar 两端额外标出 normalization 范围外的颜色。如果 colormap 有设置过set_under
和set_over
,那么使用这两个颜色。ticks
:指定 colorbar 的刻度位置,可以接受 ticks 的序列或Locator
对象。format
:指定 colorbar 的刻度标签的格式,可以接受格式字符串,例如'%.3f'
,或Formatter
对象。label
:整个 colorbar 的标签,类似于 axes 的 xlabel 或 ylabel。
此外 colorbar 还有些设置不能在初始化的时候一次性搞定,需要接着调用方法才能完成。
1.1 单独绘制 colorbar
虽然 colorbar 一般依附于一张填色的主图,但其实只要给出 colormap 和 normalization 就能决定 colorbar 了。下面给出单独绘制 colorbar 的例子
import copyimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltfig, axes = plt.subplots(4, 1, figsize=(10, 5))fig.subplots_adjust(hspace=4)# 第一个colorbar使用线性的Normalize.cmap1 = copy.copy(mpl.cm.viridis)norm1 = mpl.colors.Normalize(vmin=0, vmax=100)im1 = mpl.cm.ScalarMappable(norm=norm1, cmap=cmap1)cbar1 = fig.colorbar(im1, cax=axes[0], orientation='horizontal',ticks=np.linspace(0, 100, 11),label='colorbar with Normalize')# 第二个colorbar开启extend参数.cmap2 = copy.copy(mpl.cm.viridis)cmap2.set_under('black')cmap2.set_over('red')norm2 = mpl.colors.Normalize(vmin=0, vmax=100)im2 = mpl.cm.ScalarMappable(norm=norm2, cmap=cmap2)cbar2 = fig.colorbar(im2, cax=axes[1], orientation='horizontal',extend='both', ticks=np.linspace(0, 100, 11),label='extended colorbar with Normalize')# 第三个colorbar使用对数的LogNorm.cmap3 = copy.copy(mpl.cm.viridis)norm3 = mpl.colors.LogNorm(vmin=1E0, vmax=1E3)im3 = mpl.cm.ScalarMappable(norm=norm3, cmap=cmap3)# 使用LogNorm时,colorbar会自动选取合适的Locator和Formatter.cbar3 = fig.colorbar(im3, cax=axes[2], orientation='horizontal',label='colorbar with LogNorm',)# 第四个colorbar使用BoundaryNorm.bins = [0, 1, 10, 20, 50, 100]nbin = len(bins) - 1cmap4 = mpl.cm.get_cmap('viridis', nbin)norm4 = mpl.colors.BoundaryNorm(bins, nbin)im4 = mpl.cm.ScalarMappable(norm=norm4, cmap=cmap4)# 使用BoundaryNorm时,colorbar会自动按bins标出刻度.cbar4 = fig.colorbar(im4, cax=axes[3], orientation='horizontal',label='colorbar with BoundaryNorm')plt.show()
colorbar 使用的 colormap 和 normalization 的信息可以通过cbar.cmap
和cbar.norm
属性来获取。
1.2 向主图添加 colorbar
日常使用中一般不会单独画出 colorbar,而是将 colorbar 添加给一张主图。此时需要将主图中画填色图时返回的ScalarMappable
对象传给 colorbar,并利用cax
或ax
参数指定 colorbar 的位置。下面是一个例子
def add_box(ax):'''用红框标出一个ax的范围.'''axpos = ax.get_position()rect = mpl.patches.Rectangle((axpos.x0, axpos.y0), axpos.width, axpos.height,lw=3, ls='--', ec='r', fc='none', alpha=0.5,transform=ax.figure.transFigure)ax.patches.append(rect)def add_right_cax(ax, pad, width):'''在一个ax右边追加与之等高的cax.pad是cax与ax的间距.width是cax的宽度.'''axpos = ax.get_position()caxpos = mpl.transforms.Bbox.from_extents(axpos.x1 + pad,axpos.y0,axpos.x1 + pad + width,axpos.y1)cax = ax.figure.add_axes(caxpos)return caxdef test_data():'''生成测试数据.'''x = np.linspace(-3, 3, 200)y = np.linspace(-3, 3, 200)X, Y = np.meshgrid(x, y)Z = np.exp(-X**2) + np.exp(-Y**2)# 将Z缩放至[0, 100].Z = (Z - Z.min()) / (Z.max() - Z.min()) * 100return X, Y, ZX, Y, Z = test_data()cmap = mpl.cm.viridisfig, axes = plt.subplots(2, 2, figsize=(10, 10))fig.subplots_adjust(hspace=0.2, wspace=0.2)# 提前用红框圈出每个ax的范围,并关闭刻度显示.for ax in axes.flat:add_box(ax)ax.axis('off')# 第一个子图中不画出colorbar.im = axes[0, 0].pcolormesh(X, Y, Z, cmap=cmap, shading='nearest')axes[0, 0].set_title('without colorbar')# 第二个子图中画出依附于ax的垂直的colorbar.im = axes[0, 1].pcolormesh(X, Y, Z, cmap=cmap, shading='nearest')cbar = fig.colorbar(im, ax=axes[0, 1], orientation='vertical')axes[0, 1].set_title('add vertical colorbar to ax')# 第三个子图中画出依附于ax的水平的colorbar.im = axes[1, 0].pcolormesh(X, Y, Z, cmap=cmap, shading='nearest')cbar = fig.colorbar(im, ax=axes[1, 0], orientation='horizontal')axes[1, 0].set_title('add horizontal colorbar to ax')# 第三个子图中将垂直的colorbar画在cax上.im = axes[1, 1].pcolormesh(X, Y, Z, cmap=cmap, shading='nearest')cax = add_right_cax(axes[1, 1], pad=0.02, width=0.02)cbar = fig.colorbar(im, cax=cax)axes[1, 1].set_title('add vertical colorbar to cax')plt.show()
组图通过plt.subplots
函数创建,这里用红色虚线方框圈出每个子图开始时的范围。然后第一个子图内画图但不添加 colorbar,可以看到其范围与红框重合;第二个子图内用ax
参数指定 colorbar 依附于该子图,可以看到子图的水平范围被 colorbar 偷走了一部分,同理第三个子图的垂直范围被偷走了一部分;而第四个子图中因为手动在子图右边创建了一个新的 axes 并指定为cax
,所以 colorbar 并没有挤占子图原有的空间。
总之,向主图添加 colorbar 时,ax
参数用起来更方便,但会改变主图的范围;cax
参数需要提前为 colorbar 准备一个 axes,但 colorbar 的摆放位置更为灵活。
2. 设置刻度
第 1 节中提到过,在初始化 colorbar 时通过ticks
和format
参数即可设置刻度。实际上,colorbar 在接受刻度的设置后,会将它们传给底层的 axes 对象,利用 axes 的方法来实现刻度的标注。所以为 colorbar 设置刻度有两种思路
利用 colorbar 提供的接口设置刻度,优点是简单直接,缺点是对于小刻度等参数无法进行细致的设定。直接操作 colorbar 底层的 axes,优点是设置更细致,缺点是可能会受cbar.update_ticks
方法的干扰。
正因为这两种思路都行得通,所以你上网搜如何设置刻度时能找到五花八门的方法,下面便来一一辨析这些方法。
另外需要提前说明一下,colorbar 不同于普通的 axes,只会显示落入cbar.vmin
和cbar.vmax
这两个值范围内的 ticks,而这两个值由 colorbar 含有的 normalization 的信息决定(例外会在后面提到)。
2.1 ticks 和 format 参数
cmap = mpl.cm.viridisnorm = mpl.colors.Normalize(vmin=0, vmax=100)im = mpl.cm.ScalarMappable(norm=norm, cmap=cmap)locator = mpl.ticker.MultipleLocator(10)formatter = mpl.ticker.StrMethodFormatter('{x:.1f}')cbar = fig.colorbar(im, cax=ax, orientation='horizontal',ticks=locator, format=formatter)cbar.minorticks_on()
直接在初始化 colorbar 的时候给出指定ticks
和format
参数即可。
小刻度则通过minorticks_on
方法开启,可惜这个方法不提供任可控调节的参数,查看源码会发现,colorbar 是借助matplotlib.ticker.AutoMinorLocator
实现小刻度的,其中小刻度的间隔数n
被硬编码为默认值None
,所以小刻度的数目会根据大刻度的数值设为 3 个或 4 个,例如图中两个大刻度间就是 4 个小刻度。
2.2 locator 和 formatter 属性
cbar = fig.colorbar(im, cax=ax, orientation='horizontal')cbar.locator = locatorcbar.formatter = formattercbar.minorticks_on()cbar.update_ticks()
图跟 2.1 节的一样。直接修改locator
和formatter
属性,接着调用update_ticks
方法刷新刻度,将这两个属性传给底层的 axes,从而使刻度生效。2.1 节中不需要刷新是因为初始化的最后会自动刷新。
2.3 set_ticks 和 set_ticklabels 方法
ticks = np.linspace(0, 100, 11)ticklabels = [formatter(tick) for tick in ticks]cbar = fig.colorbar(im, cax=ax, orientation='horizontal')cbar.set_ticks(ticks)cbar.set_ticklabels(ticklabels)cbar.minorticks_on()
图跟 2.1 节的一样。这个方法适用于手动给出 ticks 和与之匹配的 ticklabels 的情况。同时set_ticks
和set_ticklabels
都有一个布尔类型的update_ticks
参数,效果同 2.2 节所述,因为默认为 True,所以可以不用管它。奇怪的是,set_ticks
方法还可以接受Locator
对象,不过当Locator
与 ticklabels 对不上时就会发出警告并产生错误的结果。
也许你会联想到 axes 设置刻度的方法,并进行这样的尝试
cbar.ax.set_xticks(ticks)cbar.ax.set_xticklabels(ticklabels)
可惜这种方法行不通,也是会报警加出错。
2.4 set_major_locator 和 set_major_formatter 方法
cbar = fig.colorbar(im, cax=ax, orientation='horizontal')cbar.ax.xaxis.set_major_locator(locator)cbar.ax.xaxis.set_minor_locator(mpl.ticker.AutoMinorLocator(2))cbar.ax.xaxis.set_major_formatter(formatter)# cbar.update_ticks()
图跟 2.1 节的一样。虽然 2.3 中直接调用set_xticks
和set_xticklabels
的方法失败了,但神秘的是直接调用set_major_locator
和set_major_formatter
却可以,你甚至可以用set_minor_locator
来实现更细致的小刻度。这里因为 colorbar 是水平放置的,所以操作的是 xaxis,垂直方向换成 yaxis 即可。
这种方法的缺点是,colorbar 的locator
属性与 xaxis 的并不一致
In : print(cbar.locator)Out: <matplotlib.colorbar._ColorbarAutoLocator object at 0x000001B424E36AF0>In : print(cbar.ax.xaxis.get_major_locator())Out: <matplotlib.ticker.MultipleLocator object at 0x000001B424E366A0>
尽管画出来的图是MultipleLocator
的效果,但cbar.locator
依旧保留初始化时的默认值,cbar.formatter
同理。如果此时执行cbar.update_ticks()
,就会将cbar.ax.xaxis
的 locator 和 formatter 更新成cbar.locator
和cbar.formatter
的值——即变回默认效果。奇怪的是 minor locator 并不受update_ticks
的影响,小刻度依然得到保留。
2.5 对数刻度
1.1 节中展示过,当传入的mappable
的norm
是LogNorm
时,colorbar 会自动采取对数刻度和科学计数法的标签,并开启小刻度。下面是一个不用科学计数法,并关掉小刻度的例子
norm = mpl.colors.LogNorm(vmin=1E0, vmax=1E3)im = mpl.cm.ScalarMappable(norm=norm, cmap=cmap)cbar = fig.colorbar(im, cax=ax, orientation='horizontal',format=mpl.ticker.ScalarFormatter())cbar.minorticks_off()
2.6 更多设置
如果想进一步设置刻度的参数(刻度长度、标签字体等),需要通过底层的cbar.ax.tick_params
方法来实现。例如
cbar.ax.tick_params(length=2, labelsize='x-small')
总结一下的话,colorbar 提供了设置刻度的接口,但做得还不够完善,以至于我们需要直接操作底层的 axes。希望以后 Matplotlib 能对此加以改善。
3. Contourf 中的 colorbar
把pcolor
、imshow
等函数的返回值传给 colorbar 时,colorbar 中会显示连续完整的 colormap;但若把contourf
函数的返回值传给 colorbar 时,显示的就不再是完整的 colormap,而是等高线之间的填色(填色规则请见 Matplotlib 系列:colormap 的设置 第 3.1 节),下面是一个pcolormesh
与contourf
相对比的例子
X, Y, Z = test_data()cmap = mpl.cm.viridisnorm = mpl.colors.Normalize(vmin=0, vmax=100)levels = [10, 20, 40, 80]fig, axes = plt.subplots(1, 2, figsize=(10, 5))for ax in axes:ax.axis('off')# 第一张图画pcolormesh.im = axes[0].pcolormesh(X, Y, Z, cmap=cmap, norm=norm, shading='nearest')cbar = fig.colorbar(im, ax=axes[0], extend='both')axes[0].set_title('pcolormesh')# 第二张图画contourf.im = axes[1].contourf(X, Y, Z, levels=levels, cmap=cmap, norm=norm, extend='both')cbar = fig.colorbar(im, ax=axes[1])axes[1].set_title('contourf')plt.show()
可以看到效果与上面描述的一致,colorbar 上颜色间的分界位置也与levels
的数值大小相对应。第 2 节中提到过,colorbar 的显示范围由cbar.vmin
和cbar.vmax
决定,且这两个值与cbar.norm.vmin
和cbar.norm.vmax
相同——不过使用contourf
的返回值作为mappable
时则是例外,这里cbar.vmin
和cbar.vmax
由levels
的边界决定。所以上图中 colorbar 的范围为 [10, 80]。
另外若contourf
中指定过extend
参数,那么其返回值会带有extend
的信息,初始化 colorbar 时就不应该再设定extend
参数了。Matplotlib 3.3 以后同时使用extend
参数的行为被废弃。
4. 为组图添加 colorbar
4.1 为每个子图添加
最简单的方法是在绘制每个子图的 colorbar 时,将ax
参数指定为子图的 axes,缺点是会改变子图形状,不过可以之后用ax.set_aspect
等方法进行调整。下面利用 1.2 节中的add_right_cax
函数实现cax
的版本
X, Y, Z = test_data()cmap = mpl.cm.viridisnorm = mpl.colors.Normalize(vmin=0, vmax=100)fig, axes = plt.subplots(2, 2, figsize=(8, 8))# 调节子图间的宽度,以留出放colorbar的空间.fig.subplots_adjust(wspace=0.4)for ax in axes.flat:ax.axis('off')cax = add_right_cax(ax, pad=0.01, width=0.02)im = ax.pcolormesh(X, Y, Z, cmap=cmap, norm=norm, shading='nearest')cbar = fig.colorbar(im, cax=cax)plt.show()
更高级的方法是使用mpl_toolkits.axes_grid1.ImageGrid
类,例如
from mpl_toolkits.axes_grid1 import ImageGridfig = plt.figure(figsize=(8, 8))grid = ImageGrid(fig, 111, nrows_ncols=(2, 2), axes_pad=0.5,cbar_mode='each', cbar_location='right', cbar_pad=0.1)# 这里ax是mpl_toolkits.axes_grid1.mpl_axes.Axesfor ax in grid:ax.axis('off')im = ax.pcolormesh(X, Y, Z, cmap=cmap, norm=norm, shading='nearest')# 官网例子中的cax.colorbar(im)用法自Matplotlib 3.2起废弃.cbar = fig.colorbar(im, cax=ax.cax)plt.show()
结果跟上面一张图差不多。ImageGrid
适合创建子图宽高比固定的组图(例如imshow
的图像或等经纬度投影的地图),并且对于 colorbar 位置和间距的设置非常便利。此外还有利用matplotlib.gridspec.GridSpec
和mpl_toolkits.axes_grid1.axes_divider
的方法,这里就不细讲了。
4.2 为整个组图添加
其实 colorbar 的ax
参数还可以接受 axes 组成的列表(数组),从而实现为列表中的所有 axes 只添加一个 colorbar。例如
fig, axes = plt.subplots(2, 2, figsize=(8, 8))for ax in axes.flat:ax.axis('off')im = ax.pcolormesh(X, Y, Z, cmap=cmap, norm=norm, shading='nearest')cbar = fig.colorbar(im, ax=axes)plt.show()
再举个ImageGrid
的例子
fig = plt.figure(figsize=(8, 8))grid = ImageGrid(fig, 111, nrows_ncols=(2, 2), axes_pad=0.5,cbar_mode='single', cbar_location='right', cbar_pad=0.2,)for ax in grid:ax.axis('off')im = ax.pcolormesh(X, Y, Z, cmap=cmap, norm=norm, shading='nearest')cbar = fig.colorbar(im, cax=ax.cax)plt.show()
结果同上一张图。如果有更复杂的需求,例如在不改变子图形状的前提下,组图中不同区域的子图共用不同的 colorbar,那么建议使用add_axes
的方法(参考 1.2 节的add_right_cax
函数),或利用matplotlib.gridspec.GridSpec
将 cax 穿插在组图间。感兴趣的读者可以读读参考链接中最后那篇。
5. 参考链接
官方教程
Customized Colorbars Tutorial
Overview of axes_grid1 toolkit
Cartopy 的例子
Using Cartopy and AxesGrid toolkit
可能是全网最详细的 colorbar 调整教程
matplotlibのcolorbarを解剖してわかったこと、あるいはもうcolorbar調整に苦労したくない人に捧げる話