注意
前往結尾以下載完整的範例程式碼。
在 Matplotlib 中建立色彩映射#
Matplotlib 有許多內建的色彩映射，可透過 matplotlib.colormaps 存取。 也有像 palettable 這樣的外部函式庫，其中有許多額外的色彩映射。
然而，我們也可能想要建立或操作自己的色彩映射。 這可以使用 ListedColormap 或 LinearSegmentedColormap 類別來完成。 這兩個色彩映射類別都會將 0 到 1 之間的值對應到色彩。 然而，如下所述，它們之間存在差異。
在手動建立或操作色彩映射之前，讓我們先看看如何從現有的色彩映射類別中取得色彩映射及其色彩。
取得色彩映射並存取其值#
首先，取得已命名的色彩映射 (其中大多數列於 在 Matplotlib 中選擇色彩映射 中)，可以使用 matplotlib.colormaps 來完成，該方法會傳回色彩映射物件。 用於內部定義色彩映射的色彩清單長度可以透過 Colormap.resampled 調整。 在下方，我們使用 8 這個適中的值，這樣就沒有太多值需要查看。
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
from matplotlib.colors import LinearSegmentedColormap, ListedColormap
viridis = mpl.colormaps['viridis'].resampled(8)
物件 viridis 是一個可呼叫物件，當傳入 0 到 1 之間的浮點數時，會從色彩映射傳回 RGBA 值
print(viridis(0.56))
(np.float64(0.122312), np.float64(0.633153), np.float64(0.530398), np.float64(1.0))
ListedColormap#
ListedColormap 將其色彩值儲存在 .colors 屬性中。 可以使用 colors 屬性直接存取構成色彩映射的色彩清單，或者也可以透過使用與色彩映射長度相符的值陣列呼叫 viridis 間接存取。 請注意，傳回的清單格式為 RGBA (N, 4) 陣列，其中 N 是色彩映射的長度。
print('viridis.colors', viridis.colors)
print('viridis(range(8))', viridis(range(8)))
print('viridis(np.linspace(0, 1, 8))', viridis(np.linspace(0, 1, 8)))
viridis.colors [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
viridis(range(8)) [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
viridis(np.linspace(0, 1, 8)) [[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]]
色彩映射是一個查找表，因此「過取樣」色彩映射會傳回最近鄰內插法 (請注意下方清單中的重複色彩)
print('viridis(np.linspace(0, 1, 12))', viridis(np.linspace(0, 1, 12)))
viridis(np.linspace(0, 1, 12)) [[0.267004 0.004874 0.329415 1. ]
[0.267004 0.004874 0.329415 1. ]
[0.275191 0.194905 0.496005 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.212395 0.359683 0.55171 1. ]
[0.153364 0.497 0.557724 1. ]
[0.122312 0.633153 0.530398 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.288921 0.758394 0.428426 1. ]
[0.626579 0.854645 0.223353 1. ]
[0.993248 0.906157 0.143936 1. ]
[0.993248 0.906157 0.143936 1. ]]
LinearSegmentedColormap#
LinearSegmentedColormap 沒有 .colors 屬性。 然而，仍然可以使用整數陣列或 0 到 1 之間的浮點數陣列呼叫色彩映射。
copper = mpl.colormaps['copper'].resampled(8)
print('copper(range(8))', copper(range(8)))
print('copper(np.linspace(0, 1, 8))', copper(np.linspace(0, 1, 8)))
copper(range(8)) [[0. 0. 0. 1. ]
[0.17647055 0.1116 0.07107143 1. ]
[0.35294109 0.2232 0.14214286 1. ]
[0.52941164 0.3348 0.21321429 1. ]
[0.70588219 0.4464 0.28428571 1. ]
[0.88235273 0.558 0.35535714 1. ]
[1. 0.6696 0.42642857 1. ]
[1. 0.7812 0.4975 1. ]]
copper(np.linspace(0, 1, 8)) [[0. 0. 0. 1. ]
[0.17647055 0.1116 0.07107143 1. ]
[0.35294109 0.2232 0.14214286 1. ]
[0.52941164 0.3348 0.21321429 1. ]
[0.70588219 0.4464 0.28428571 1. ]
[0.88235273 0.558 0.35535714 1. ]
[1. 0.6696 0.42642857 1. ]
[1. 0.7812 0.4975 1. ]]
建立列出的色彩映射#
建立色彩映射基本上是上述的反向操作，我們將色彩規格的清單或陣列提供給 ListedColormap 以建立新的色彩映射。
在繼續本教學之前，讓我們先定義一個輔助函數，該函數將一個或多個色彩映射作為輸入、建立一些隨機資料，並將色彩映射套用至該資料集的影像繪圖。
def plot_examples(colormaps):
"""
Helper function to plot data with associated colormap.
"""
np.random.seed(19680801)
data = np.random.randn(30, 30)
n = len(colormaps)
fig, axs = plt.subplots(1, n, figsize=(n * 2 + 2, 3),
layout='constrained', squeeze=False)
for [ax, cmap] in zip(axs.flat, colormaps):
psm = ax.pcolormesh(data, cmap=cmap, rasterized=True, vmin=-4, vmax=4)
fig.colorbar(psm, ax=ax)
plt.show()
在最簡單的情況下，我們可能會鍵入色彩名稱的清單，以從這些色彩名稱建立色彩映射。
cmap = ListedColormap(["darkorange", "gold", "lawngreen", "lightseagreen"])
plot_examples([cmap])
事實上，該清單可能包含任何有效的 Matplotlib 色彩規格。 特別是用於建立自訂色彩映射的是 (N, 4) 形狀的陣列。 因為我們可以使用各種 numpy 運算對這樣的陣列執行，所以從現有的色彩映射中製作新的色彩映射變得非常簡單。
例如，假設我們想要出於某種原因將 256 長度的「viridis」色彩映射的前 25 個項目變成粉紅色
viridis = mpl.colormaps['viridis'].resampled(256)
newcolors = viridis(np.linspace(0, 1, 256))
pink = np.array([248/256, 24/256, 148/256, 1])
newcolors[:25, :] = pink
newcmp = ListedColormap(newcolors)
plot_examples([viridis, newcmp])
我們可以縮減色彩映射的動態範圍；在這裡，我們選擇色彩映射的中間一半。 然而，請注意，由於 viridis 是一個列出的色彩映射，我們最終會得到 128 個離散值，而不是原始色彩映射中的 256 個值。 此方法不會在色彩空間中內插以新增新的色彩。
viridis_big = mpl.colormaps['viridis']
newcmp = ListedColormap(viridis_big(np.linspace(0.25, 0.75, 128)))
plot_examples([viridis, newcmp])
我們可以輕鬆地將兩個色彩映射串連起來
top = mpl.colormaps['Oranges_r'].resampled(128)
bottom = mpl.colormaps['Blues'].resampled(128)
newcolors = np.vstack((top(np.linspace(0, 1, 128)),
bottom(np.linspace(0, 1, 128))))
newcmp = ListedColormap(newcolors, name='OrangeBlue')
plot_examples([viridis, newcmp])
當然，我們不需要從已命名的色彩映射開始，我們只需要建立 (N, 4) 陣列傳遞給 ListedColormap。 在這裡，我們建立一個從棕色 (RGB: 90, 40, 40) 到白色 (RGB: 255, 255, 255) 的色彩映射。
N = 256
vals = np.ones((N, 4))
vals[:, 0] = np.linspace(90/256, 1, N)
vals[:, 1] = np.linspace(40/256, 1, N)
vals[:, 2] = np.linspace(40/256, 1, N)
newcmp = ListedColormap(vals)
plot_examples([viridis, newcmp])
建立線性分段色彩映射#
LinearSegmentedColormap 類別使用 RGB(A) 值在其中進行內插的錨點來指定色彩映射。
指定這些色彩映射的格式允許在錨點處存在不連續性。 每個錨點都指定為 [x[i] yleft[i] yright[i]] 形式的矩陣中的一行，其中 x[i] 是錨點，而 yleft[i] 和 yright[i] 是錨點兩側的色彩值。
如果沒有不連續性，則 yleft[i] == yright[i]
cdict = {'red': [[0.0, 0.0, 0.0],
[0.5, 1.0, 1.0],
[1.0, 1.0, 1.0]],
'green': [[0.0, 0.0, 0.0],
[0.25, 0.0, 0.0],
[0.75, 1.0, 1.0],
[1.0, 1.0, 1.0]],
'blue': [[0.0, 0.0, 0.0],
[0.5, 0.0, 0.0],
[1.0, 1.0, 1.0]]}
def plot_linearmap(cdict):
newcmp = LinearSegmentedColormap('testCmap', segmentdata=cdict, N=256)
rgba = newcmp(np.linspace(0, 1, 256))
fig, ax = plt.subplots(figsize=(4, 3), layout='constrained')
col = ['r', 'g', 'b']
for xx in [0.25, 0.5, 0.75]:
ax.axvline(xx, color='0.7', linestyle='--')
for i in range(3):
ax.plot(np.arange(256)/256, rgba[:, i], color=col[i])
ax.set_xlabel('index')
ax.set_ylabel('RGB')
plt.show()
plot_linearmap(cdict)
為了在錨點處產生不連續性，第三欄與第二欄不同。 「紅色」、「綠色」、「藍色」和可選的「alpha」的矩陣設定為
cdict['red'] = [...
[x[i] yleft[i] yright[i]],
[x[i+1] yleft[i+1] yright[i+1]],
...]
對於傳遞給 x[i] 和 x[i+1] 之間的色彩映射的值，內插在 yright[i] 和 yleft[i+1] 之間。
在以下範例中，紅色部分在 0.5 處有一個不連續點。0 到 0.5 之間的插值從 0.3 到 1，而 0.5 到 1 之間的插值則從 0.9 到 1。請注意，red[0, 1] 和 red[2, 2] 對於插值來說都是多餘的，因為 red[0, 1] (即 yleft[0]) 是 0 左側的值，而 red[2, 2] (即 yright[2]) 是 1 右側的值，它們都位於色彩映射域之外。
直接從列表建立分段色彩映射#
上述方法非常通用，但實作起來確實有點繁瑣。對於某些基本情況，使用 LinearSegmentedColormap.from_list 可能會更容易。這會從提供的顏色列表建立一個等間距的分段色彩映射。
colors = ["darkorange", "gold", "lawngreen", "lightseagreen"]
cmap1 = LinearSegmentedColormap.from_list("mycmap", colors)
如果需要，色彩映射的節點可以指定為 0 到 1 之間的數字。例如，可以讓色彩映射中紅色部分佔據更多空間。
反轉色彩映射#
Colormap.reversed 會建立一個新的色彩映射，它是原始色彩映射的反轉版本。
colors = ["#ffffcc", "#a1dab4", "#41b6c4", "#2c7fb8", "#253494"]
my_cmap = ListedColormap(colors, name="my_cmap")
my_cmap_r = my_cmap.reversed()
plot_examples([my_cmap, my_cmap_r])
如果沒有傳入名稱，.reversed 也會透過在原始色彩映射的名稱後加上 '_r' 來命名副本。
註冊色彩映射#
色彩映射可以加入到 matplotlib.colormaps 的具名色彩映射列表中。這允許在繪圖函數中透過名稱存取色彩映射。
# my_cmap, my_cmap_r from reversing a colormap
mpl.colormaps.register(cmap=my_cmap)
mpl.colormaps.register(cmap=my_cmap_r)
data = [[1, 2, 3, 4, 5]]
fig, (ax1, ax2) = plt.subplots(nrows=2)
ax1.imshow(data, cmap='my_cmap')
ax2.imshow(data, cmap='my_cmap_r')
plt.show()
參考文獻
此範例展示了以下函式、方法、類別和模組的用法
腳本總執行時間： (0 分 5.643 秒)