从颜色列表创建一个颜色映射

有关创建和操作色图的更多详细信息，请参阅 在 Matplotlib 中创建 Colormap。

可以通过 LinearSegmentedColormap.from_list 方法从颜色列表创建 colormap 。你必须传递一个定义从0到1颜色混合的RGB元组列表。

创建自定义颜色映射

也可以为色图创建自定义映射。这是通过创建一个字典来实现的，该字典指定了RGB通道如何从色图的一端变化到另一端。

示例：假设你希望红色在下半部分从0增加到1，绿色在中间部分做同样的变化，蓝色在上半部分。那么你会使用:

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),
    )
}

如果，像这个例子中，r、g 和 b 分量没有不连续性，那么它就非常简单：每个元组的第二和第三元素是相同的——称之为“y”。第一个元素（“x”）定义了从 0 到 1 的完整范围内的插值区间，并且它必须覆盖整个范围。换句话说，x 的值将 0 到 1 的范围划分为一组段，而 y 给出了每个段端点的颜色值。

现在考虑绿色，cdict['green'] 表示为：

• 0 <= x <= 0.25, y 为零；无绿色。

• 0.25 < x <= 0.75, y 从 0 线性变化到 1。

• 0.75 < x <= 1, y 保持在 1，全绿。

如果有不连续性，那么情况会稍微复杂一些。将 cdict 条目中每行的3个元素标记为 (x, y0, y1)。然后对于 x 在 x[i] 和 x[i+1] 之间的值，颜色值在 y1[i] 和 y0[i+1] 之间进行插值。

回到一个食谱示例:

cdict = {
    'red': (
        (0.0,  0.0, 0.0),
        (0.5,  1.0, 0.7),
        (1.0,  1.0, 1.0),
    ),
    'green': (
        (0.0,  0.0, 0.0),
        (0.5,  1.0, 0.0),
        (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),
    )
}

并且查看 cdict['red'][1]；因为 y0 != y1，它表示对于 x 从 0 到 0.5，红色从 0 增加到 1，但随后它跳下来，因此对于 x 从 0.5 到 1，红色从 0.7 增加到 1。绿色随着 x 从 0 到 0.5 从 0 增加到 1，然后跳回 0，并随着 x 从 0.5 到 1 再次增加到 1。:

row i:   x  y0  y1
               /
              /
row i+1: x  y0  y1

上面试图展示，对于范围 x[i] 到 x[i+1] 中的 x，插值介于 y1[i] 和 y0[i+1] 之间。因此，y0[0] 和 y1[-1] 从未被使用。

import matplotlib.pyplot as plt
import numpy as np

import matplotlib as mpl
from matplotlib.colors import LinearSegmentedColormap

# Make some illustrative fake data:

x = np.arange(0, np.pi, 0.1)
y = np.arange(0, 2 * np.pi, 0.1)
X, Y = np.meshgrid(x, y)
Z = np.cos(X) * np.sin(Y) * 10

来自列表的色图

colors = [(1, 0, 0), (0, 1, 0), (0, 0, 1)]  # R -> G -> B
n_bins = [3, 6, 10, 100]  # Discretizes the interpolation into bins
cmap_name = 'my_list'
fig, axs = plt.subplots(2, 2, figsize=(6, 9))
fig.subplots_adjust(left=0.02, bottom=0.06, right=0.95, top=0.94, wspace=0.05)
for n_bin, ax in zip(n_bins, axs.flat):
    # Create the colormap
    cmap = LinearSegmentedColormap.from_list(cmap_name, colors, N=n_bin)
    # Fewer bins will result in "coarser" colomap interpolation
    im = ax.imshow(Z, origin='lower', cmap=cmap)
    ax.set_title("N bins: %s" % n_bin)
    fig.colorbar(im, ax=ax)

自定义色图

cdict1 = {
    'red': (
        (0.0, 0.0, 0.0),
        (0.5, 0.0, 0.1),
        (1.0, 1.0, 1.0),
    ),
    'green': (
        (0.0, 0.0, 0.0),
        (1.0, 0.0, 0.0),
    ),
    'blue': (
        (0.0, 0.0, 1.0),
        (0.5, 0.1, 0.0),
        (1.0, 0.0, 0.0),
    )
}

cdict2 = {
    'red': (
        (0.0, 0.0, 0.0),
        (0.5, 0.0, 1.0),
        (1.0, 0.1, 1.0),
    ),
    'green': (
        (0.0, 0.0, 0.0),
        (1.0, 0.0, 0.0),
    ),
    'blue': (
        (0.0, 0.0, 0.1),
        (0.5, 1.0, 0.0),
        (1.0, 0.0, 0.0),
    )
}

cdict3 = {
    'red': (
        (0.0, 0.0, 0.0),
        (0.25, 0.0, 0.0),
        (0.5, 0.8, 1.0),
        (0.75, 1.0, 1.0),
        (1.0, 0.4, 1.0),
    ),
    'green': (
        (0.0, 0.0, 0.0),
        (0.25, 0.0, 0.0),
        (0.5, 0.9, 0.9),
        (0.75, 0.0, 0.0),
        (1.0, 0.0, 0.0),
    ),
    'blue': (
        (0.0, 0.0, 0.4),
        (0.25, 1.0, 1.0),
        (0.5, 1.0, 0.8),
        (0.75, 0.0, 0.0),
        (1.0, 0.0, 0.0),
    )
}

# Make a modified version of cdict3 with some transparency
# in the middle of the range.
cdict4 = {
    **cdict3,
    'alpha': (
        (0.0, 1.0, 1.0),
        # (0.25, 1.0, 1.0),
        (0.5, 0.3, 0.3),
        # (0.75, 1.0, 1.0),
        (1.0, 1.0, 1.0),
    ),
}

现在我们将使用这个示例来说明处理自定义色图的两种方法。首先是直接且最明确的方法：

blue_red1 = LinearSegmentedColormap('BlueRed1', cdict1)

其次，显式创建并注册颜色映射。与第一种方法类似，这种方法适用于任何类型的颜色映射，而不仅仅是 LinearSegmentedColormap：

mpl.colormaps.register(LinearSegmentedColormap('BlueRed2', cdict2))
mpl.colormaps.register(LinearSegmentedColormap('BlueRed3', cdict3))
mpl.colormaps.register(LinearSegmentedColormap('BlueRedAlpha', cdict4))

创建一个包含4个子图的图形：

fig, axs = plt.subplots(2, 2, figsize=(6, 9))
fig.subplots_adjust(left=0.02, bottom=0.06, right=0.95, top=0.94, wspace=0.05)

im1 = axs[0, 0].imshow(Z, cmap=blue_red1)
fig.colorbar(im1, ax=axs[0, 0])

im2 = axs[1, 0].imshow(Z, cmap='BlueRed2')
fig.colorbar(im2, ax=axs[1, 0])

# Now we will set the third cmap as the default.  One would
# not normally do this in the middle of a script like this;
# it is done here just to illustrate the method.

plt.rcParams['image.cmap'] = 'BlueRed3'

im3 = axs[0, 1].imshow(Z)
fig.colorbar(im3, ax=axs[0, 1])
axs[0, 1].set_title("Alpha = 1")

# Or as yet another variation, we can replace the rcParams
# specification *before* the imshow with the following *after*
# imshow.
# This sets the new default *and* sets the colormap of the last
# image-like item plotted via pyplot, if any.
#

# Draw a line with low zorder so it will be behind the image.
axs[1, 1].plot([0, 10 * np.pi], [0, 20 * np.pi], color='c', lw=20, zorder=-1)

im4 = axs[1, 1].imshow(Z)
fig.colorbar(im4, ax=axs[1, 1])

# Here it is: changing the colormap for the current image and its
# colorbar after they have been plotted.
im4.set_cmap('BlueRedAlpha')
axs[1, 1].set_title("Varying alpha")

fig.suptitle('Custom Blue-Red colormaps', fontsize=16)
fig.subplots_adjust(top=0.9)

plt.show()

参考文献

以下函数、方法、类和模块的使用在本示例中展示：

• matplotlib.axes.Axes.imshow / matplotlib.pyplot.imshow

• matplotlib.figure.Figure.colorbar / matplotlib.pyplot.colorbar

• matplotlib.colors

• matplotlib.colors.LinearSegmentedColormap

• matplotlib.colors.LinearSegmentedColormap.from_list

• matplotlib.cm

• matplotlib.cm.ScalarMappable.set_cmap

• matplotlib.cm.ColormapRegistry.register