我有一个具体的实现问题，关于使用颜色映射 (cmap) 将数据映射出来并将其转换为 rgba 值。本质上，我有一堆数据，我想创建一个 errorbar() 图，其中点和误差线本身由其他一些值的大小着色(为了具体起见，我们假设它对卡方的贡献适合某些模型)。假设我有一个名为 D 的 (N,4) 数组，其中前两列是 X 和 Y 数据，第三列是误差条的值，最后一列是它对卡方函数的贡献。
首先，我将如何处理 1) 将卡方贡献值的范围映射到 cmap，其次，2) 我如何从这些值中获取 rgba 值，以便遍历 errorbar() 函数来绘制什么我希望阴谋？
这实际上可能有帮助(http://matplotlib.org/api/cm_api.html)，但我无法找到有关如何使用 ScalarMappable()(它确实具有 to_rgba() 方法)的任何示例或其他信息。
谢谢!
请您参考如下方法:
您可以通过对值调用 matplotlib.cm 中的对象将标量值映射到颜色图。这些值应介于 0 和 1 之间。因此，要获取某些卡方分布数据(我将随机生成)的 RBGA 值，我会这样做:
chisq = np.random.chisquare(4, 8)
chisq -= chisq.min()
chisq /= chisq.max()
errorbar_colors = cm.winter(chisq)
您可以减去最小值并除以所需的最大值，而不是让色标开始和结束于最小和最大实际值。
现在 errorbar_colors 将是 (8, 4) 来自 winter 颜色图的 RGBA 值数组:
array([[ 0. , 0.7372549 , 0.63137255, 1. ],
[ 0. , 0.7372549 , 0.63137255, 1. ],
[ 0. , 0.4745098 , 0.7627451 , 1. ],
[ 0. , 1. , 0.5 , 1. ],
[ 0. , 0.36078431, 0.81960784, 1. ],
[ 0. , 0.47843137, 0.76078431, 1. ],
[ 0. , 0. , 1. , 1. ],
[ 0. , 0.48627451, 0.75686275, 1. ]])
要绘制此图，您只需遍历颜色和数据点并绘制误差线:
heights = np.random.randn(8)
sem = .4
for i, (height, color) in enumerate(zip(heights, errorbar_colors)):
plt.plot([i, i], [height - sem, height + sem], c=color, lw=3)
plt.plot(heights, marker="o", ms=12, color=".3")
但是，没有一个内置的 matplotlib 颜色图非常适合这项任务。对于一些改进，您可以使用 seaborn 生成可用于为线条着色的顺序调色板:
import numpy as np
import seaborn
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
chisq = np.random.chisquare(4, 8)
chisq -= chisq.min()
chisq /= chisq.max()
cmap = ListedColormap(seaborn.color_palette("GnBu_d"))
errorbar_colors = cmap(chisq)
heights = np.random.randn(8)
sem = .4
for i, (height, color) in enumerate(zip(heights, errorbar_colors)):
plt.plot([i, i], [height - sem, height + sem], c=color, lw=3)
plt.plot(heights, marker="o", ms=12, color=".3")
但即使在这里，我也怀疑这是否是表达您观点的最佳方式。我不确切知道你的数据是什么样的，但我建议制作两个图，一个是你将在此处绘制的因变量，第二个是卡方统计量作为因变量。或者，如果您对误差条的大小和卡方值之间的关系感兴趣，我会直接用散点图绘制它。
