python – 来自tab10的matplotlib泛型colormap

发布时间：2020-12-20 12:13:34 所属栏目：Python 来源：网络整理

导读：这个问题与SO( matplotlib-change-colormap-tab20-to-have-three-colors)的这个问题有关我想以一种方式调整tab10色彩图,我可以按照我想要的步骤更改每种颜色的alpha级别.下面是一个示例(9种颜色,3个alpha级别),不会产生预期的输出.此外,它不够通用(因为if e

这个问题与SO( matplotlib-change-colormap-tab20-to-have-three-colors)的这个问题有关

我想以一种方式调整tab10色彩图,我可以按照我想要的步骤更改每种颜色的alpha级别.下面是一个示例(9种颜色,3个alpha级别),不会产生预期的输出.此外,它不够通用(因为if elif staements).

任何想法我怎么能这样做？

在这个例子中,我有3个组,有3个子组：

import pandas as pd
from matplotlib import pyplot as plt
import numpy as np

n_feature = 3
sub_feature = 3
col = []
for index in range(n_feature*sub_feature):
# loop over colors and change the last entry in descending order 3 times
        col.append(list(plt.cm.tab10(index)))

i = 0        
for item in col:
# loop over colors and change the last entry in descending order 3 times
    if i == 0:
        item[-1] = 0.9
        i+=1
    elif i == 1:
        item[-1] = 0.7
        i+=1
    elif i == 2:
        item[-1] = 0.5
        i = 0

gr = df.groupby(['a','a1'])

for index,item in enumerate(gr):
    name,val = item
    y = val.iloc[0,2:].values
    x = np.arange(len(y))
    plt.plot(x,y,'.-',color=col[index])

plt.show()

enter image description here

这是数据：

{‘a’：{0：’A’,1：’A’,2：’A’,3：’B’,4：’B’,5：’B’,6：’C’,7： ‘C’,8：’C’},
?‘a1’：{0：1,1：2,2：3,3：1,4：2,5：3,6：1,7：2,8：3},
?‘b’：{0：1.0,
??1：5.0,
??2：9.0,
??3：1.5,
??4：5.5,
??5：9.5,
??6：1.75,
??7：5.75,
??8：9.75},
?‘c’：{0：2.0,
??1：6.0,
??2：10.0,
??3：2.5,
??4：6.5,
??5：10.5,
??6：2.75,
??7：6.75,
??8：10.75},
?‘d’：{0：3.0,
??1：7.0,
??2：11.0,
??3：3.5,
??4：7.5,
??5：11.5,
??6：3.75,
??7：7.75,
??8：11.75},
?‘e’：{0：4.0,
??1：8.0,
??2：12.0,
??3：4.5,
??4：8.5,
??5：12.5,
??6：4.75,
??7：8.75,
??8：12.75}}

解决方法

您可以使用HSV系统获得相同色调的不同饱和度和发光颜色.假设您最多有10个类别,则tab10地图可用于获取一定数量的基色.从那些你可以为子类别选择几个较浅的色调.

以下是一个函数categorical_cmap,它将类别数(nc)和子类别数(nsc)作为输入,并返回具有不同颜色的nc * nsc的颜色映射,其中每个类别都有相同色调的nsc颜色.

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors

def categorical_cmap(nc,nsc,cmap="tab10",continuous=False):
    if nc > plt.get_cmap(cmap).N:
        raise ValueError("Too many categories for colormap.")
    if continuous:
        ccolors = plt.get_cmap(cmap)(np.linspace(0,1,nc))
    else:
        ccolors = plt.get_cmap(cmap)(np.arange(nc,dtype=int))
    cols = np.zeros((nc*nsc,3))
    for i,c in enumerate(ccolors):
        chsv = matplotlib.colors.rgb_to_hsv(c[:3])
        arhsv = np.tile(chsv,nsc).reshape(nsc,3)
        arhsv[:,1] = np.linspace(chsv[1],0.25,nsc)
        arhsv[:,2] = np.linspace(chsv[2],nsc)
        rgb = matplotlib.colors.hsv_to_rgb(arhsv)
        cols[i*nsc:(i+1)*nsc,:] = rgb       
    cmap = matplotlib.colors.ListedColormap(cols)
    return cmap

c1 = categorical_cmap(4,3,cmap="tab10")
plt.scatter(np.arange(4*3),np.ones(4*3)+1,c=np.arange(4*3),s=180,cmap=c1)

c2 = categorical_cmap(2,5,cmap="tab10")
plt.scatter(np.arange(10),np.ones(10),c=np.arange(10),cmap=c2)

c3 = categorical_cmap(5,4,cmap="tab10")
plt.scatter(np.arange(20),np.ones(20)-1,c=np.arange(20),cmap=c3)    

plt.margins(y=0.3)
plt.xticks([])
plt.yticks([0,2],["(5,4)","(2,5)","(4,3)"])
plt.show()

enter image description here

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!