AI智能
改变未来

python可视化 matplotlib画图使用colorbar工具自定义颜色

python matplotlib画图使用colorbar工具自定义颜色 colorbar(draw colorbar without any mapple/plot)

自定义colorbar可以画出任何自己想要的colorbar,自由自在、不受约束,不依赖于任何已有的图(plot/mappable)。这里使用的是mpl.colorbar.ColorbarBase类,而colorbar类必须依赖于已有的图。

参数可以参考下面的描述->matplotlib:

class matplotlib.colorbar.ColorbarBase(ax, cmap=None, norm=None, alpha=None, values=None, boundaries=None, orientation=‘vertical\’, ticklocation=‘auto\’, extend=‘neither\’, spacing=‘uniform\’, ticks=None, format=None, drawedges=False, filled=True, extendfrac=None, extendrect=False, label=\’\’)[source]

参数简单描述

  • ax :可用于设置colorbar的位置、长、宽
  • norm :用于规范化–设置颜色条最大最小值
  • cmap:颜色(可参考本篇博文的最后部分——推荐色带与自定义色带)
  • boundaries:要想使用extend,在norm之外,必须要有两个额外的boundaries
  • orientation:colorbar方向,躺平or垂直
  • extend:延伸方向(在norm之外colorbar可延伸)
  • ticks:自定义各段的tick(记号)给一个例子,首先定义一下横纵坐标的名称,以及df_int:

给一个例子,首先定义一下横纵坐标的名称,以及df_int:

labels_int = [\'A\', \'B\', \'C\', \'D\']variables_int = [\'A\', \'B\', \'C\', \'D\']# x_normed_int 可以是一个4*4的数组,经过归一化的df_int = pd.DataFrame(, columns=variables_int, index=labels_int)

接下来就是画图了:

fig = plt.figure()ax = fig.add_subplot(111)cax = ax.matshow(df, interpolation=\'nearest\', cmap=\'GnBu\')fig.colorbar(cax)tick_spacing = 1ax.xaxis.set_major_locator(ticker.MultipleLocator(tick_spacing))ax.yaxis.set_major_locator(ticker.MultipleLocator(tick_spacing))ax.set_xticklabels([\'\'] + list(df.columns))ax.set_yticklabels([\'\'] + list(df.index))plt.show()

其中:

cax = ax.matshow(df, interpolation=\'nearest\', cmap=\'GnBu\')

可以通过cmap修改,得到不同的颜色带

最终可以看到结果如下图:

到此这篇关于python可视化 matplotlib画图使用colorbar工具自定义颜色的文章就介绍到这了,更多相关python colorbar自定义颜色内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:

  • python实现给scatter设置颜色渐变条colorbar的方法
赞(0) 打赏
未经允许不得转载:爱站程序员基地 » python可视化 matplotlib画图使用colorbar工具自定义颜色