(问题的旧版本如下)
我正在定义以下自定义颜色图,我将白色 (#ffffff) 分配给 float zero_pt。
import matplotlib.colors as col
from matplotlib.colors import LinearSegmentedColormap
zero_pt = 0.98181818181818181
cmap = LinearSegmentedColormap.from_list(
'mycmap', [(0, 'blue'), (zero_pt, 'white'), (1, 'red')])
但是,当我尝试从相同的 zero_pt 值中检索十六进制颜色代码时,我没有像我期望的那样得到 #ffffff(即:白色):
rgb = cmap(zero_pt)[:3]
print(col.rgb2hex(rgb))
> u'#ffdcdc'
这是为什么?我该如何解决这个问题?
老问题在这里
我需要定义一个自定义颜色图,其中负值显示为蓝色,零值显示为白色,正值显示为红色。代码如下,必要的数据文件在此处 ( data.pkl ) 和此处 ( edges.pkl )。
import pickle
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
with open('data.pkl', 'r') as f:
H = pickle.load(f)
with open('edges.pkl', 'r') as f:
edges = pickle.load(f)
# Define zero point for empty bins which should be colored in white.
zero_pt = 1. - H.max() / (H.max() - H.min())
print(H.min(), H.max(), zero_pt)
cmap = LinearSegmentedColormap.from_list(
'mycmap', [(0, 'blue'), (zero_pt, 'white'), (1, 'red')])
Y, X = np.meshgrid(edges[0], edges[1])
plt.pcolormesh(X, Y, H, cmap=cmap, vmin=H.min(), vmax=H.max())
plt.show()
这导致
如果我们检查 H 数组,我们会看到有很多零值应该显示为白色,而在上图中显示为粉红色.
这不会发生在我使用的所有数据中,它只是偶尔发生。我认为这个问题与四舍五入有关?有没有一种方法可以强制像这种情况那样以白色显示零值?
请您参考如下方法:
如评论中所述,如果 N 是颜色图中的颜色数,则需要将零点值四舍五入为 1/N 的倍数。当然,零点值与颜色图中任何其他颜色之间的差异必须大于 1/N。
解决办法
import matplotlib.colors as col
from matplotlib.colors import LinearSegmentedColormap
import numpy as np
N=256
zero_pt0 = 0.98181818181818181
zero_pt_rounded = np.ceil(zero_pt0*(N-1))/float(N-1)
print (zero_pt_rounded)
cmap = LinearSegmentedColormap.from_list(
'mycmap', [(0, 'blue'), (zero_pt_rounded, 'white'), (1, 'red')], N=N)
# verify if original point zero_pt0 gives white color
rgb = cmap(zero_pt0)[:3]
print(col.rgb2hex(rgb))
关于您的旧问题:不清楚行 zero_pt = 1.- H.max()/(H.max() - H.min()) 应该做什么。 我猜你需要把
data_value_for_white color = ...
zero_pt = (data_value_for_white color - H.min()) / (H.max() - H.min())
此外,为了确保所需的值被颜色图中的白色覆盖,我们需要将颜色图中的两个相邻颜色设为白色。
N = 256 # number of colors in the colormap
zero_pt0 = np.floor(zero_pt*(N-1))/float(N-1)
zero_pt1 = np.ceil(zero_pt*(N-1))/float(N-1)
cmap = LinearSegmentedColormap.from_list('mycmap',
[(0, 'blue'), (zero_pt0, 'white'),(zero_pt1, 'white'), (1, 'red')], N=N)
因此,完整的解决方案如下所示:
import pickle
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap, rgb2hex
with open('data.pkl', 'r') as f:
H = pickle.load(f)
with open('edges.pkl', 'r') as f:
edges = pickle.load(f)
# Define zero point for empty bins which should be colored in white.
data_value_for_white_color = 0.
zero_pt = (data_value_for_white_color - H.min()) / float(H.max() - H.min())
N=256
zero_pt0 = np.floor(zero_pt*(N-1))/float(N-1)
zero_pt1 = np.ceil(zero_pt*(N-1))/float(N-1)
cmap = LinearSegmentedColormap.from_list('mycmap',
[(0, 'blue'), (zero_pt0, 'white'),(zero_pt1, 'white'), (1, 'red')], N=N)
Y, X = np.meshgrid(edges[0], edges[1])
plt.pcolormesh(X, Y, H, cmap=cmap, vmin=H.min(), vmax=H.max())
plt.show()
