注意
转到末尾下载完整的示例代码。
在 Matplotlib 中创建颜色映射#
Matplotlib 有许多内置的颜色映射，可以通过 matplotlib.colormaps 访问。 还有像 palettable 这样的外部库，它们有许多额外的颜色映射。
但是，我们也可能想要创建或操作我们自己的颜色映射。 这可以使用 ListedColormap 类或 LinearSegmentedColormap 类来完成。 这两个颜色映射类都将 0 到 1 之间的值映射到颜色。 但是，如下所述，它们之间存在差异。
在手动创建或操作颜色映射之前，我们先来看看如何从现有的颜色映射类中获取颜色映射及其颜色。
获取颜色映射并访问它们的值#
首先，使用 matplotlib.colormaps 可以获取命名的颜色映射，其中大部分列在 在 Matplotlib 中选择颜色映射 中，它返回一个颜色映射对象。 用于在内部定义颜色映射的颜色列表的长度可以通过 Colormap.resampled 进行调整。 下面我们使用一个适中的值 8，这样就没有太多值需要查看。
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
from matplotlib.colors import LinearSegmentedColormap, ListedColormap
viridis = mpl.colormaps['viridis'].resampled(8)
对象 viridis 是可调用的，当传递一个介于 0 和 1 之间的浮点数时，它会从颜色映射返回一个 RGBA 值。
print(viridis(0.56))
(np.float64(0.122312), np.float64(0.633153), np.float64(0.530398), np.float64(1.0))
ListedColormap#
ListedColormap 将其颜色值存储在 .colors 属性中。 可以使用 colors 属性直接访问构成颜色映射的颜色列表，也可以通过使用与颜色映射长度匹配的值数组调用 viridis 间接访问。 请注意，返回的列表形式为 RGBA (N, 4) 数组，其中 N 是颜色映射的长度。
print('viridis.colors', viridis.colors)
print('viridis(range(8))', viridis(range(8)))
print('viridis(np.linspace(0, 1, 8))', viridis(np.linspace(0, 1, 8)))
viridis.colors [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
viridis(range(8)) [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
viridis(np.linspace(0, 1, 8)) [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
颜色映射是一个查找表，因此“过采样”颜色映射会返回最近邻插值（请注意下面列表中重复的颜色）
print('viridis(np.linspace(0, 1, 12))', viridis(np.linspace(0, 1, 12)))
viridis(np.linspace(0, 1, 12)) [[0.267004 0.004874 0.329415 1. ]
[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]
[0.993248 0.906157 0.143936 1. ]]
LinearSegmentedColormap#
LinearSegmentedColormap 没有 .colors 属性。 但是，仍然可以使用整数数组或介于 0 和 1 之间的浮点数数组调用颜色映射。
copper = mpl.colormaps['copper'].resampled(8)
print('copper(range(8))', copper(range(8)))
print('copper(np.linspace(0, 1, 8))', copper(np.linspace(0, 1, 8)))
copper(range(8)) [[0. 0. 0. 1. ]
[0.17647055 0.1116 0.07107143 1. ]
[0.35294109 0.2232 0.14214286 1. ]
[0.52941164 0.3348 0.21321429 1. ]
[0.70588219 0.4464 0.28428571 1. ]
[0.88235273 0.558 0.35535714 1. ]
[1. 0.6696 0.42642857 1. ]
[1. 0.7812 0.4975 1. ]]
copper(np.linspace(0, 1, 8)) [[0. 0. 0. 1. ]
[0.17647055 0.1116 0.07107143 1. ]
[0.35294109 0.2232 0.14214286 1. ]
[0.52941164 0.3348 0.21321429 1. ]
[0.70588219 0.4464 0.28428571 1. ]
[0.88235273 0.558 0.35535714 1. ]
[1. 0.6696 0.42642857 1. ]
[1. 0.7812 0.4975 1. ]]
创建列表颜色映射#
创建颜色映射本质上是上述操作的反向操作，其中我们将颜色规范列表或数组提供给 ListedColormap 以创建一个新的颜色映射。
在继续本教程之前，让我们定义一个辅助函数，该函数将一个或多个颜色映射作为输入，创建一些随机数据并将颜色映射应用于该数据集的图像图。
def plot_examples(colormaps):
"""
Helper function to plot data with associated colormap.
"""
np.random.seed(19680801)
data = np.random.randn(30, 30)
n = len(colormaps)
fig, axs = plt.subplots(1, n, figsize=(n * 2 + 2, 3),
layout='constrained', squeeze=False)
for [ax, cmap] in zip(axs.flat, colormaps):
psm = ax.pcolormesh(data, cmap=cmap, rasterized=True, vmin=-4, vmax=4)
fig.colorbar(psm, ax=ax)
plt.show()
在最简单的情况下，我们可以输入颜色名称列表来从中创建颜色映射。
cmap = ListedColormap(["darkorange", "gold", "lawngreen", "lightseagreen"])
plot_examples([cmap])
实际上，该列表可能包含任何有效的 Matplotlib 颜色规范。 对于创建自定义颜色映射特别有用的是 (N, 4) 形数组。 因为我们可以对这样一个数组进行各种 numpy 操作，所以从现有颜色映射中构造新的颜色映射变得非常简单。
例如，假设由于某种原因，我们希望将长度为 256 的“viridis”颜色映射的前 25 个条目变为粉红色
viridis = mpl.colormaps['viridis'].resampled(256)
newcolors = viridis(np.linspace(0, 1, 256))
pink = np.array([248/256, 24/256, 148/256, 1])
newcolors[:25, :] = pink
newcmp = ListedColormap(newcolors)
plot_examples([viridis, newcmp])
我们可以减小颜色映射的动态范围； 这里我们选择颜色映射的中间一半。 但是请注意，由于 viridis 是一个列表颜色映射，因此我们最终将得到 128 个离散值，而不是原始颜色映射中的 256 个值。 此方法不会在颜色空间中进行插值以添加新颜色。
viridis_big = mpl.colormaps['viridis']
newcmp = ListedColormap(viridis_big(np.linspace(0.25, 0.75, 128)))
plot_examples([viridis, newcmp])
我们可以轻松地连接两个颜色映射
top = mpl.colormaps['Oranges_r'].resampled(128)
bottom = mpl.colormaps['Blues'].resampled(128)
newcolors = np.vstack((top(np.linspace(0, 1, 128)),
bottom(np.linspace(0, 1, 128))))
newcmp = ListedColormap(newcolors, name='OrangeBlue')
plot_examples([viridis, newcmp])
当然，我们不需要从命名的颜色映射开始，我们只需要创建 (N, 4) 数组来传递给 ListedColormap。 在这里，我们创建一个从棕色（RGB：90，40，40）到白色（RGB：255，255，255）的颜色映射。
N = 256
vals = np.ones((N, 4))
vals[:, 0] = np.linspace(90/256, 1, N)
vals[:, 1] = np.linspace(40/256, 1, N)
vals[:, 2] = np.linspace(40/256, 1, N)
newcmp = ListedColormap(vals)
plot_examples([viridis, newcmp])
创建线性分段颜色映射#
LinearSegmentedColormap 类使用 RGB(A) 值在其中插值的锚点来指定颜色映射。
指定这些颜色映射的格式允许在锚点处不连续。 每个锚点都指定为形式为 [x[i] yleft[i] yright[i]] 的矩阵中的一行，其中 x[i] 是锚点，而 yleft[i] 和 yright[i] 是锚点两侧的颜色值。
如果没有不连续性，则 yleft[i] == yright[i]
cdict = {'red': [[0.0, 0.0, 0.0],
[0.5, 1.0, 1.0],
[1.0, 1.0, 1.0]],
'green': [[0.0, 0.0, 0.0],
[0.25, 0.0, 0.0],
[0.75, 1.0, 1.0],
[1.0, 1.0, 1.0]],
'blue': [[0.0, 0.0, 0.0],
[0.5, 0.0, 0.0],
[1.0, 1.0, 1.0]]}
def plot_linearmap(cdict):
newcmp = LinearSegmentedColormap('testCmap', segmentdata=cdict, N=256)
rgba = newcmp(np.linspace(0, 1, 256))
fig, ax = plt.subplots(figsize=(4, 3), layout='constrained')
col = ['r', 'g', 'b']
for xx in [0.25, 0.5, 0.75]:
ax.axvline(xx, color='0.7', linestyle='--')
for i in range(3):
ax.plot(np.arange(256)/256, rgba[:, i], color=col[i])
ax.set_xlabel('index')
ax.set_ylabel('RGB')
plt.show()
plot_linearmap(cdict)
为了在锚点处创建不连续性，第三列与第二列不同。 “红色”、“绿色”、“蓝色”以及可选的“alpha”的每个矩阵都设置为
cdict['red'] = [...
[x[i] yleft[i] yright[i]],
[x[i+1] yleft[i+1] yright[i+1]],
...]
对于传递给颜色映射的介于 x[i] 和 x[i+1] 之间的值，插值介于 yright[i] 和 yleft[i+1] 之间。
在下面的示例中，红色在 0.5 处存在不连续性。 0 到 0.5 之间的插值从 0.3 到 1，而 0.5 到 1 之间的插值从 0.9 到 1。请注意，red[0, 1] 和 red[2, 2] 对于插值来说都是多余的，因为 red[0, 1] （即 yleft[0]）是 0 左侧的值，而 red[2, 2] （即 yright[2]）是 1 右侧的值，它们都在颜色映射域之外。
直接从列表创建分段颜色映射#
上述方法非常通用，但不可否认的是实现起来有点麻烦。对于一些基本情况，使用 LinearSegmentedColormap.from_list 可能会更容易。它可以从提供的颜色列表创建具有相等间隔的分段色彩映射。
colors = ["darkorange", "gold", "lawngreen", "lightseagreen"]
cmap1 = LinearSegmentedColormap.from_list("mycmap", colors)
如果需要，可以将色彩映射的节点指定为 0 到 1 之间的数字。 例如，可以使色彩映射中红色部分占用更多空间。
反转色彩映射#
Colormap.reversed 创建一个新的色彩映射，它是原始色彩映射的反转版本。
colors = ["#ffffcc", "#a1dab4", "#41b6c4", "#2c7fb8", "#253494"]
my_cmap = ListedColormap(colors, name="my_cmap")
my_cmap_r = my_cmap.reversed()
plot_examples([my_cmap, my_cmap_r])
如果没有传递名称，.reversed 还会通过将 '_r' 附加到原始色彩映射的名称来命名副本。
注册色彩映射#
可以将色彩映射添加到 matplotlib.colormaps 命名色彩映射列表中。这允许在绘图函数中通过名称访问色彩映射
# my_cmap, my_cmap_r from reversing a colormap
mpl.colormaps.register(cmap=my_cmap)
mpl.colormaps.register(cmap=my_cmap_r)
data = [[1, 2, 3, 4, 5]]
fig, (ax1, ax2) = plt.subplots(nrows=2)
ax1.imshow(data, cmap='my_cmap')
ax2.imshow(data, cmap='my_cmap_r')
plt.show()
参考
此示例中显示了以下函数、方法、类和模块的用法
脚本总运行时间： (0 分钟 5.643 秒)