一、获取colormap 首先,先看看如何从内置的 colormap 中获取新的 colormap 及其颜色值。 import numpy as np importmatplotlib.pyplot as plt import matplotlib as mpl from matplotlib import cm from matplotlib.colors import ListedColormap, LinearSegmentedColormap mpl.rcParams.update({'figure.dpi':150}) ma...
matplotlib里面有这样一类colormap,左端点取A颜色,中间取X颜色(一般为白色),右端点取B颜色;从左到中间颜色从A向X渐变,从中间到右颜色从X向B渐变。 在我的工作中,我也想使用这一类型的colormap,但特殊之处在于我希望X颜色不是取到中间,而是靠近右端点的位置。例如v=12,取深红色;v=50,取白色;v=57,取绿色;...
10,100)y=np.sin(x)# 使用 get_cmap 获取 'cool' 色彩映射cmap=plt.get_cmap('cool')# 使用 cool 色彩映射绘制彩色线条plt.scatter(x,y,c=y,cmap=cmap)plt.colorbar()plt.title('How2matplotlib.com - Cool Colormap Example')plt.show()
在上面的代码中,我们首先定义了一个由红、绿、蓝三种颜色组成的列表colors,然后将其转换为ListedColormap对象。接着,我们创建了一个随机数据集data,最后使用imshow函数将其绘制成图像,并应用自定义的Colormap。通过这种方式,我们可以将自定义的Colormap应用到任何需要颜色方案的可视化任务中。总结:Matplotlib中的Colormap...
利用cmaps调用ncl的colormap, ,这一步是取得ncl中的一个降水的18值的colormap[2] cc = cmaps.precip3_16lev_r 获取这个色标中的每个颜色 colors = mpl.cm.get_cmap(ccc) col = colors(np.linspace(0,1,18)) 利用得到的颜色创建新的色标
本文仅归纳了一些常用的colormap设置方法,详细理论介绍可以参考文末炸鸡人博客和matplotlib官方教程链接 评论 常用指定颜色的方法¶ 评论 RGB或者RGBA(red, green, blue, alpha)数组,浮点数[0, 1],如 (0.1, 0.2, 0.5) 或 (0.1, 0.2, 0.5, 0.3) 不区分大小写的hex RGB or RGBA,如'#0f0f0f'或'#0f0...
cmap=plt.get_cmap('viridis')new_cmap=cmap(np.linspace(0,1,256))new_cmap[:,:3]=0.5# 调整亮度为0.5x=np.linspace(0,10,100)y=np.sin(x)plt.scatter(x,y,c=y,cmap=new_cmap)plt.colorbar()plt.show() Python Copy 5. 多种Colormap组合 ...
custom_cmap = plt.cm.get_cmap(hex_colors) 现在,我们可以使用自定义的Colormap为图形分配颜色了。 data = np.random.rand(10, 10) * 6 3 生成一个介于-3到3之间的随机数矩阵作为示例数据 plt.imshow(data, cmap=custom_cmap) plt.colorbar() ...
#指定colormap cmap = matplotlib.cm.jet #设定每个图的colormap和colorbar所表示范围是一样的,即归一化 norm = matplotlib.colors.Normalize(vmin=160, vmax=300) #显示图形,此处没有使用contourf #>>>ctf=plt.contourf(grid_x,grid_y,grid_z)
利用cmaps调用ncl的colormap, ,这一步是取得ncl中的一个降水的18值的colormap[2] cc = cmaps.precip3_16lev_r 1. 获取这个色标中的每个颜色 colors = mpl.cm.get_cmap(ccc) col = colors(np.linspace(0, 1, 18)) 1. 2. 利用得到的颜色创建新的色标 ...