Matplotlib - 色標

---

---

色標是繪圖中使用的顏色比例尺的視覺化表示。它顯示了資料中從最小值到最大值的顏色比例尺，幫助我們理解繪圖中的顏色變化。

在下圖中，您可以看到一個用紅色矩形突出顯示的簡單色標 -

Matplotlib 中的色標

Matplotlib 庫提供了一個用於處理色標的工具，包括其建立、放置和自定義。

matplotlib.colorbar 模組負責建立色標，但是可以使用Figure.colorbar() 或其等效的 pyplot 包裝器pyplot.colorbar() 函式建立色標。這些函式在內部使用 Colorbar 類以及make_axes_gridspec（用於 GridSpec 定位的軸）或make_axes（用於非 GridSpec 定位的軸）。

並且色標需要是一個“可對映” (即 matplotlib.cm.ScalarMappable) 物件，通常是透過 imshow() 函式生成的 AxesImage。如果您想在沒有附加影像的情況下建立色標，則可以使用沒有關聯資料的 ScalarMappable。

示例 1

這是一個簡單的示例，使用ScalarMappable 類建立一個沒有附加繪圖的水平色標。

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

# Create a figure and axis for the colorbar
fig, ax = plt.subplots(figsize=(6, 1), constrained_layout=True)

# Define a colormap and normalization for the colorbar
cmap = mpl.cm.cool
norm = mpl.colors.Normalize(vmin=5, vmax=10)

# Create a ScalarMappable without associated data using the defined cmap and norm
scalar_mappable = mpl.cm.ScalarMappable(norm=norm, cmap=cmap)

# Add a horizontal colorbar to the figure 
colorbar = fig.colorbar(scalar_mappable, cax=ax, orientation='horizontal', label='Some Units')

# Set the title and display the plot
plt.title('Basic Colorbar')
plt.show()

輸出

執行以上程式碼後，我們將獲得以下輸出 -

示例 2

這是另一個示例，使用pyplot.colorbar() 函式和預設引數為繪圖建立簡單的色標。

import matplotlib.pyplot as plt
import numpy as np

# Generate sample data
data = np.random.random((10, 10))

# Create a plot with an image and a colorbar
fig, ax = plt.subplots(figsize=(7,4))
im = ax.imshow(data, cmap='viridis')

# Add a colorbar to the right of the image
cbar = plt.colorbar(im, ax=ax)

# Show the plot
plt.show()
print('Successfully drawn the colorbar...')

輸出

Successfully drawn the colorbar...

自動色標放置

色標的自動放置是一種簡單的方法。這確保每個子圖都有自己的色標，清楚地指示每個子圖中影像資料的定量範圍。

示例

此示例演示了多個子圖的自動色標放置。

import matplotlib.pyplot as plt
import numpy as np

# Create a 2x2 subplot grid
fig, axs = plt.subplots(1, 2, figsize=(7,3))
cmaps = ['magma', 'coolwarm']

# Add random data with different colormaps to each subplot
for col in range(2):
   ax = axs[col]
   pcm = ax.pcolormesh(np.random.random((20, 20)) * (col + 1), cmap=cmaps[col])

   # Add a colorbar for the each subplots
   fig.colorbar(pcm, ax=ax, pad=0.03)

plt.show()
print('Successfully drawn the colorbar...')

輸出

Successfully placed the colorbar...

手動色標放置

這種方法允許我們明確確定繪圖中色標的位置和外觀。當自動放置無法實現所需的佈局時，這可能是必要的。

透過建立內嵌軸，可以使用inset_axes() 或add_axes()，然後透過cax 關鍵字引數將其分配給色標，使用者可以獲得所需的輸出。

示例

這是一個示例，演示瞭如何在繪圖中手動確定色標放置。

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

# Generate random data points
npoints = 1000
x, y = np.random.normal(10, 2, (2, npoints))

# Create a subplot
fig, ax = plt.subplots(figsize=(7,4))

# Set title
plt.title('Manual Colorbar Placement')

# Draw the plot
hexbin_artist = ax.hexbin(x, y, gridsize=20, cmap='gray_r', edgecolor='white')

# Manually create an inset axes for the colorbar
cax = fig.add_axes([0.8, 0.15, 0.05, 0.3])

# Add a colorbar using the hexbin_artist and the manually created inset axes
colorbar = fig.colorbar(hexbin_artist, cax=cax)

# Display the plot
plt.show()

輸出

執行以上程式碼後，我們將獲得以下輸出 -

自定義色標

色標的外觀，包括刻度、刻度標籤和標籤，可以根據具體需求進行自定義。垂直色標通常在 y 軸上顯示這些元素，而水平色標在 x 軸上顯示這些元素。ticks 引數用於設定刻度，format 引數有助於格式化可見色標軸上的刻度標籤。

示例 1

此示例使用imshow() 方法將資料顯示為影像，並將色標水平放置到影像上並指定標籤。

import matplotlib.pyplot as plt
import numpy as np

# Create a subplot
fig, ax = plt.subplots(figsize=(7, 4))

# Generate random data
data = np.random.normal(size=(250, 250))
data = np.clip(data, -1, 1)

# Display the data using imshow with a specified colormap
cax = ax.imshow(data, cmap='afmhot')
ax.set_title('Horizontal Colorbar with Customizing Tick Labels')

# Add a horizontal colorbar and set its orientation and label
cbar = fig.colorbar(cax, orientation='horizontal', label='A colorbar label')

# Adjust ticks on the colorbar
cbar.set_ticks(ticks=[-1, 0, 1])
cbar.set_ticklabels(['Low', 'Medium', 'High'])

# Show the plot
plt.show()

輸出

執行以上程式碼後，我們將獲得以下輸出 -

示例 2

此示例演示瞭如何自定義色標的位置、寬度、顏色、刻度數量、字型大小以及更多屬性。

import numpy as np
from matplotlib import pyplot as plt

# Adjust figure size and autolayout
plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True

# Generate random data
data = np.random.randn(4, 4)

# Plot the data with imshow
im = plt.imshow(data, interpolation='nearest', cmap="PuBuGn")

# Add colorbar and adjust its position
# Decrease colorbar width and shift position to the right
clb = plt.colorbar(im, shrink=0.9, pad=0.05)  

# Set the top label for colorbar 
clb.ax.set_title('Color Bar Title')

# Customize color of ticks
clb.ax.set_yticks([0, 1.5, 3, 4.5], labels=["A", "B", "C", "D"])

# Change color and font size of ticks
clb.ax.tick_params(labelcolor='red', labelsize=20)  

plt.show()

輸出

執行以上程式碼後，您將獲得以下輸出 -