python–matplotlib中的绿色到红色的colormap,以数据的中位数为中心

概述在我的应用程序中,我在可能的情况下从R转换为本机Python(scipy matplotlib),其中一个最大的任务是从R热图转换为matplotlib热图. This post引导我进行移植.虽然大部分都是无痛的,但我仍然不相信色彩图.在显示代码之前,解释：在R代码中我定义了“中断”,即从最低值开始直到10的固定数量的点,并且理想地以数据的中值为中心.它的

在我的应用程序中,我在可能的情况下从R转换为本机Python(scipy matplotlib),其中一个最大的任务是从R热图转换为matplotlib热图. This post引导我进行移植.虽然大部分都是无痛的,但我仍然不相信色彩图.

在显示代码之前,解释：在R代码中我定义了“中断”,即从最低值开始直到10的固定数量的点,并且理想地以数据的中值为中心.它的等价物在于numpy.linspace：

# Matrix is a DataFrame object from pandasimport numpy as npdata_min = min(matrix.min(skipna=True))data_max = max(matrix.max(skipna=True))median_value = np.median(matrix.median(skipna=True))range_min = np.linspace(0,median_value,50)range_max = np.linspace(median_value,data_max,50)breaks = np.concatenate((range_min,range_max))

这给了我们100分将用于着色.但是,我不确定如何在Python中完成同样的事情.目前我有：

def red_black_green():    cdict = {       'red': ((0.0,0.0,0.0),(0.5,(1.0,1.0,1.0)),'blue': ((0.0,0.0)),'green': ((0.0,1.0),0.0))       }    my_cmap = mpl.colors.linearSegmentedcolormap(        'my_colormap',cdict,100)    return my_cmap

我做得更进一步：

# Note: vmin and vmax are the maximum and the minimum of the data# Adjust the max and min to scale these colorsif vmin > 0:    norm = mpl.colors.normalize(vmin=0,vmax=vmax / 1.08)else:    norm = mpl.colors.normalize(vmin / 2,vmax / 2)

这些数字完全是经验性的,这就是为什么我想把它变成更强大的东西.如何根据中位数对我的色彩图进行标准化,还是需要进行标准化？最佳答案默认情况下,matplotlib将对色彩映射进行标准化,以使最大色彩映射值成为数据的最大值.同样地,您的数据最少.这意味着色彩图的中位数(中间值)将与数据的插值中位数对齐(如果没有精确位于中位数的数据点,则进行插值).

这是一个例子：

from numpy.random import randimport matplotlib.pyplot as pltimport matplotlib.colors as mcolorscdict = {'red':   ((0.0,'blue':  ((0.0,0.0))}cmap = mcolors.linearSegmentedcolormap('my_colormap',100)ax = plt.subplot(111)im = ax.imshow(2*rand(20,20) + 1.5,cmap=cmap)plt.colorbar(im)plt.show()

请注意,颜色条的中间值为2.5.这是数据范围的中位数:(最大最大值)/ 2 =(1.5 3.5)/ 2 = 2.5.

希望这可以帮助.

总结

以上是内存溢出为你收集整理的python – matplotlib中的绿色到红色的colormap,以数据的中位数为中心全部内容，希望文章能够帮你解决python – matplotlib中的绿色到红色的colormap,以数据的中位数为中心所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。