matplotlib 合理设置colorbar和子图的对应关系
文章目录
matplotlib 合理设置colorbar和子图的对应关系1. 介绍2 plt.contourf ()2.1 错误示范2.2 使用 norm实现颜色和数值之间的对应关系2.3 只显示最后一个的colorbar2.4 使用 levels 参数设置3. 使用plt.imshow()4 单独设置colorbar4.1 方式一4.2 方式二4.3 问题4.4 解决方法1：plt.contourf()4.5 解决办法2：plt.imshow()1. 介绍
在有些情况下，需要画同一个变量不同时刻的等值面图。考虑到不同时刻的数值有大小差异，因而生成的图的colorbar的标签范围也是不一样的。为了方便比较，最好多个时刻共享一个colorbar，方便比较。下面会依次使用 plt.contourf() 和 plt.imshow()函数进行画图介绍。
2 plt.contourf ()
2.1 错误示范
import numpy as npimport matplotlib.pyplot as pltimport matplotlib#生成一定整数范围内的随机数a1 = np.random.randint(1,10,size=(10,10))a2 = np.random.randint(1,13,size=(10,10))a3 = np.random.randint(1,16,size=(10,10))fig = plt.figure(figsize = (22,6))plt.subplot(1,3,1)h1 = plt.contourf(a1,cmap = plt.cm.coolwarm)c1 = plt.colorbar(h1)plt.subplot(1,3,2)h2 = plt.contourf(a2,cmap = plt.cm.coolwarm)c2 = plt.colorbar(h2)plt.subplot(1,3,3)h3 = plt.contourf(a3,cmap = plt.cm.coolwarm)c3 = plt.colorbar(h3) plt.show()
如上图，每个图上的相同的颜色表示的数值不一样，不方便比较；
2.2 使用 norm实现颜色和数值之间的对应关系
a1 = np.random.randint(1,10,size=(10,10))a2 = np.random.randint(1,13,size=(10,10))a3 = np.random.randint(1,16,size=(10,10))fig = plt.figure(figsize = (22,6))#将颜色映射到 vmin~vmax 之间norm = matplotlib.colors.Normalize(vmin=0, vmax=15)plt.subplot(1,3,1)h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)c1 = plt.colorbar(h1)plt.subplot(1,3,2)h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)c2 = plt.colorbar(h2)plt.subplot(1,3,3)h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)c3 = plt.colorbar(h3)plt.show()
如上图，可以实现相同数值大小对应相同的颜色；
但是这样还是不太好看。最好是能够 每个子图的 colorbar的范围都一样(即从0-15)；
2.3 只显示最后一个的colorbar
那有同学想，是否可以只显示最后一个子图的colorbar，作为全局colorbar呢；这个当然也是可以的。
但是会带来一个问题，由于每个子图的大小(无论是否包含colorbar)是一样的，会使得图形大小看起来不一样，很不美观；
如下图：
2.4 使用 levels 参数设置
a1 = np.random.randint(1,10,size=(10,10))a2 = np.random.randint(1,13,size=(10,10))a3 = np.random.randint(1,16,size=(10,10))fig = plt.figure(figsize = (22,6))# norm = matplotlib.colors.Normalize(vmin=0, vmax=15)#设置固定显示的colorbar刻度levels = np.arange(0,17,2)plt.subplot(1,3,1)h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,levels = levels)c1 = plt.colorbar(h1)plt.subplot(1,3,2)h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,levels = levels)c2 = plt.colorbar(h2)plt.subplot(1,3,3)h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,levels = levels)c3 = plt.colorbar(h3)plt.show()
3. 使用plt.imshow()
上面虽然设置了 norm，但是使用plt.contourf还是达不到我们的要求。链接3 给了我们一个示例，使用plt.imshow() + norm可以解决这个问题。按照他的思路，我们重复上面的试验。
import numpy as npimport matplotlib.pyplot as pltimport matplotlib# matplotlib.rcParams['xtick.direction'] = 'out'# matplotlib.rcParams['ytick.direction'] = 'out'a1 = np.random.randint(1,10,size=(10,10))a2 = np.random.randint(1,13,size=(10,10))a3 = np.random.randint(1,16,size=(10,10))fig = plt.figure(figsize = (22,6),dpi=72, facecolor="white")#将横纵坐标都映射到（0，1）的范围内extent=(0,1,0,1)vmin=0vmax=15#将颜色映射到 vmin~vmax 之间norm = matplotlib.colors.Normalize(vmin=0, vmax=15)ax1 = plt.subplot(1,3,1)ax1.cla()h1 = plt.imshow(a1,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)c1 = plt.colorbar(h1)plt.subplot(1,3,2)h2 = plt.imshow(a2,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)c2 = plt.colorbar(h2)plt.subplot(1,3,3)h3 = plt.imshow(a3,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)c3 = plt.colorbar(h3)font = {'family' : 'serif','color' : 'darkred','weight' : 'normal','size' : 16,}c3.set_label('$T_B(K)$',fontdict=font)c3.set_ticks(np.arange(vmin,vmax,2))c3.set_ticklabels(np.arange(vmin,vmax,2))plt.show()
如上图，虽然使用plt.imshow可以解决这个问题，但是用带来了一些新问题：
在画子图的时候，colorbar的长度和子图的长度不一致；在单独画一个图的时候，并不存在这样的问题plt.imshow()是逐像素画图的，相比plt.contourf，分辨率很低，并不适合科研上的等值线作图。
4 单独设置colorbar
import numpy as npimport matplotlib.pyplot as pltimport matplotliba1 = np.random.randint(1,10,size=(10,10))a2 = np.random.randint(1,13,size=(10,10))a3 = np.random.randint(1,16,size=(10,10))#也可以通过这样 levels 进行设置#h = plt.contourf(a1,levels = [0,1,2,3,4,5,6,7,8,9,10], cmap = plt.cm.coolwarm)fig = plt.figure(figsize = (22,6))norm = matplotlib.colors.Normalize(vmin=0, vmax=15)plt.subplot(1,3,1)h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)# c1 = plt.colorbar(h1)plt.subplot(1,3,2)h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)# c2 = plt.colorbar(h2)plt.subplot(1,3,3)h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)# c3 = plt.colorbar(h3)# c3.set_clim(vmax = 15)#前面三个子图的总宽度 为 全部宽度的 0.9；剩下的0.1用来放置colorbarfig.subplots_adjust(right=0.9)#colorbar 左 下 宽 高 l = 0.92b = 0.12w = 0.015h = 1 - 2*b #对应 l,b,w,h；设置colorbar位置；rect = [l,b,w,h] cbar_ax = fig.add_axes(rect) cb = plt.colorbar(h3, cax=cbar_ax)#设置colorbar标签字体等cb.ax.tick_params(labelsize=16) #设置色标刻度字体大小。font = {'family' : 'serif',# 'color' : 'darkred','color' : 'black','weight' : 'normal','size' : 16,}cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小plt.show()
如上，是不是很漂亮了。后续适当做一些 坐标、字体等的基本设置，就完成了一张科研图的绘制！
4.1 方式一
import numpy as npimport matplotlib.pyplot as pltimport matplotliba1 = np.random.randint(1,10,size=(10,10))a2 = np.random.randint(1,13,size=(10,10))a3 = np.random.randint(1,16,size=(10,10))#也可以通过这样 levels 进行设置#h = plt.contourf(a1,levels = [0,1,2,3,4,5,6,7,8,9,10], cmap = plt.cm.coolwarm)fig = plt.figure(figsize = (22,6))norm = matplotlib.colors.Normalize(vmin=0, vmax=15)plt.subplot(1,3,1)h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)# c1 = plt.colorbar(h1)plt.subplot(1,3,2)h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)# c2 = plt.colorbar(h2)plt.subplot(1,3,3)h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)# c3 = plt.colorbar(h3)# c3.set_clim(vmax = 15)#前面三个子图的总宽度 为 全部宽度的 0.9；剩下的0.1用来放置colorbarfig.subplots_adjust(right=0.9)#colorbar 左 下 宽 高 l = 0.92b = 0.12w = 0.015h = 1 - 2*b #对应 l,b,w,h；设置colorbar位置；rect = [l,b,w,h] cbar_ax = fig.add_axes(rect) cb = plt.colorbar(h3, cax=cbar_ax)#设置colorbar标签字体等cb.ax.tick_params(labelsize=16) #设置色标刻度字体大小。font = {'family' : 'serif',# 'color' : 'darkred','color' : 'black','weight' : 'normal','size' : 16,}cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小plt.show()
如上，是不是很漂亮了。后续适当做一些 坐标、字体等的基本设置，就完成了一张科研图的绘制！
4.2 方式二
import numpy as npimport matplotlib.pyplot as pltimport matplotlib#设置子图个数 和 整个图片的大小fig, axes = plt.subplots(nrows=2, ncols=2,figsize = (12,10))a_list = [5,10,15,20]#设置colorbar的范围vmin = 0vmax = 20norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)for a,ax in zip(a_list,axes.flat):#设置每个子图data = np.random.randint(0,a,size = (20,20))im = ax.contourf(data,norm = norm)#fig 的位置为[0,1]，设置前面4个子图的占的位置为[0,0.8]fig.subplots_adjust(right=0.8)#在原fig上添加一个子图句柄为cbar_ax, 设置其位置为[0.85,0.15,0.05,0.7]#colorbar 左 下 宽 高 l = 0.85b = 0.12w = 0.05h = 1 - 2*b #对应 l,b,w,h；设置colorbar位置；rect = [l,b,w,h] cbar_ax = fig.add_axes(rect)cb = fig.colorbar(im, cax = cbar_ax) #设置colorbar标签字体等cb.ax.tick_params(labelsize=16) #设置色标刻度字体大小。font = {'family' : 'serif',# 'color' : 'darkred','color' : 'black','weight' : 'normal','size' : 16,}cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小plt.show()
4.3 问题
上述两种方式都存在一个潜在的问题。
在添加colorbar的时，是使用最后一个子图的所在的数值范围。我们来看几种情况。
情况一：
norm = [5,20], 对应colorbar上 5以下颜色一致。
情况二：
最后一张子图的数值范围为 [0,15)，colorbar范围只能在15以内。
结论：
最后一张子图的数据范围决定了colorbar上显示的刻度的范围。
norm范围决定了colorbar颜色变化范围。
4.4 解决方法1：plt.contourf()
为了保证colorbar能覆盖所有子图的范围，应该使得 norm范围与设置colorbar时对应的子图im 的数值范围一致，并且所有子图的数值范围应该都在norm范围之内。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bI7GRXmn-1582701105492)(matplotlib 合理设置colorbar和子图的对应关系.assets/image-0226135804785.png)]
因此有一个蠢办法：
即另外建一个fig2 , 这个fig2对应的数据范围包括fig1的数据范围。
import numpy as npimport matplotlib.pyplot as pltimport matplotlib#设置子图个数 和 整个图片的大小fig1, axes = plt.subplots(nrows=2, ncols=2,figsize = (10,8))a_list = [5,10,20,15]#设置colorbar的范围vmin = 0vmax = 20norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)for a,ax in zip(a_list,axes.flat):#设置每个子图的数据范围data = np.random.randint(0,a,size = (20,20))im = ax.contourf(data,norm = norm)#fig1 的位置为[0,1]，设置前面4个子图的占的位置为[0,0.8]fig1.subplots_adjust(right=0.8)#在原fig1上添加一个子图句柄为cbar_ax, 设置其位置为[0.85,0.15,0.05,0.7]#colorbar 左 下 宽 高 l = 0.85b = 0.12w = 0.05h = 1 - 2*b #对应 l,b,w,h；设置colorbar位置；rect = [l,b,w,h] cbar_ax = fig1.add_axes(rect)##设置一个fig2,其数值范围涵括fig1所有子图的数值范围fig2 = plt.figure(figsize = (18,6))all_data = np.random.randint(vmin,vmax,size = (20,20))h4 = plt.contourf(all_data,norm = norm)#设置fig1的colorbar对应fig2的数据范围cb = fig1.colorbar(h4, cax = cbar_ax) #设置colorbar标签字体等cb.ax.tick_params(labelsize=16) #设置色标刻度字体大小。font = {'family' : 'serif',# 'color' : 'darkred','color' : 'black','weight' : 'normal','size' : 16,}cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小plt.show()
对比上述情况2的图片，情况有所改善，但是吊了一个尾巴。
4.5 解决办法2：plt.imshow()
import numpy as npimport matplotlib.pyplot as plta_list = [5,10,20,15]#设置colorbar的范围vmin = 0vmax = 20norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)fig, axes = plt.subplots(nrows=2, ncols=2)for a,ax in zip(a_list,axes.flat):#设置每个子图data = np.random.randint(0,a,size = (20,20))im = ax.imshow(data , vmin = vmin, vmax = vmax )fig.colorbar(im, ax=axes.ravel().tolist())plt.show()
使用这个方法可以解决上述情况2的问题，不需要吊个尾巴啦！
至于使用plt.imshow 和 plt.contourf，看各自喜好！另外，建议多看看官网例子。
参考链接
[1] 解决python画图中colorbar设置刻度和标签字体大小
[2] 使用matplotlib的示例：调整字体-设置刻度、坐标、colormap和colorbar等
[3] matplotlib官网例子
