import matplotlib.pyplot as plt cmap = plt.cm.get_cmap('viridis') 总结来说,从matplotlib.cm模块中导入get_cmap函数并获取颜色映射对象是一个简单而直接的过程。只需确保你使用的Matplotlib版本支持这种方法,并且正确导入了所需的模块。
matplotlib.cm模块包含了一系列的colormap,以及相关的函数。它主要有两个函数: matplotlib.cm.get_cmap(name=None, lut=None):获取一个colormap实例。其中: name:指定了colormap的名字。如果为None,则使用rc配置。如果它已经是colormap实例,则直接返回该实例。注意:register_cmap注册的colormap优先查询 ...
matplotlib.cm.get_cmap(name=None,lut=None) name:内置 colormap 的名称,如 'viridis'(默认),'spring' 等。 lut:整数,重置 colormap 的采样间隔,默认是256。 viridis8 = cm.get_cmap('viridis', 8) viridis8 cm.viridis 看看上面,采样间隔为 8 ,和原装的 viridis(采样间隔256),有什么不同? print(vir...
plt.imshow(data, cmap=cmap) plt.colorbar(label='Color Scale Example') plt.show() 在这个示例中,我们首先导入了必要的模块和数据数组。然后,使用cm.get_cmap()函数创建了一个名为’viridis’的colormap对象。最后,使用imshow()函数将数据数组绘制成彩色图像,并通过colorbar()函数添加了一个颜色条。二、colo...
Matplotlib 有许多可通过matplotlib.cm.get_cmap访问的内置colormap。还有一些外部库有许多额外的颜色图,可以在 Matplotlib 文档的第三方颜色图部分查看。 colormap 根据其功能分为几个类别: 一、连续 连续的 colormap,其亮度和饱和度通常是递增的,使用单一色调,主要用于表示有顺序的信息。
cmap = plt.cm.get_cmap('viridis') # 选择一个颜色映射 norm = plt.Normalize(vmin=0, vmax=1) # 设置归一化范围 colorbar = plt.cm.ScalarMappable(norm=norm, cmap=cmap) # 创建颜色条对象 colorbar.set_array([]) # 设置颜色条的值为空 ...
matplotlib.cm 将标量数据映射到 RGBA 的混合类 主要指的是colormap 上述的名字加上_r,就表示取反 cm.get_cmap(name=None,lut=None)#返回颜色图实例,输入colormao的名称 #namematplotlib.colors.Colormapor str or None, default: None # 为上文的colormap的name ...
# 选择 'viridis' 作为颜色映射cmap=cm.get_cmap('viridis')# 获取 'viridis' 颜色映射 1. 2. 5. 绘制图形 使用imshow函数绘制图形,并应用我们选择的颜色映射。 # 绘制热图plt.imshow(data,cmap=cmap)# 使用指定的颜色映射展示数据plt.colorbar()# 显示颜色条plt.title('Heatmap with Viridis Colormap')#...
register_cmap(name='choppy', data=choppydata, lut=128):此时这三个参数传递给matplotlib.colors.LinearSegementedColormap初始化函数。 所有的内置的name如下: + View Code 你可以使用cm.get_cmap('winter')来使用,也可以直接用cm.winter来使用。
plt.imshow(I, cmap=plt.cm.get_cmap('Blues', 6)) plt.colorbar() plt.clim(-1, 1); 离散色图的使用方式和其他色图没有任何区别。 例子:手写数字 代码语言:javascript 复制 # 读取数字0-5的手写图像,然后使用Matplotlib展示头64张缩略图 from sklearn.datasets import load_digits ...