十年网站开发经验 + 多家企业客户 + 靠谱的建站团队
量身定制 + 运营维护+专业推广+无忧售后,网站问题一站解决
这篇文章将为大家详细讲解有关如何在Python项目中利用imshow制作一个渐变填充柱状图,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。
成都创新互联是一家专业提供寒亭企业网站建设,专注与成都做网站、网站建设、外贸营销网站建设、H5开发、小程序制作等业务。10年已为寒亭众多企业、政府机构等服务。创新互联专业网站设计公司优惠进行中。在各种各样的理论计算中,常常需要绘制各种填充图,绘制完后需要加渐变填充的colorbar。可是有些软件如VMD,colorbar渲染后颜色分布有些失真,不能较准确的表达各颜色对应的数值。用ps中的渐变填充可以解决该问题,但很多电脑配置较低,不能很好的运行ps。Python也可以直接绘制colorbar,填充颜色就好。如cmap中的bwr渐变本人就比较常用。然而,有时候颜色范围是负数范围多于正数范围(如:colorbar需要表示 [-60,40]这段,蓝色表示负数,红色表示正数,白色应该在colorbar由下往上60%处),bwr渐变将white置于50%处显得不够合理,因此需要自定义填充。本文以imshow() 函数来进行填充柱状图达到自定义colorbar的目的。interpolation=‘bicubic' 可以很好的做出渐变效果。
代码
# -*- coding: utf-8 -*- """ Created on Wed Dec 9 10:36:54 2020 @author: fya """ import matplotlib.pyplot as plt import numpy as np from matplotlib.colors import ListedColormap,LinearSegmentedColormap import matplotlib as mpl fig, ax = plt.subplots(dpi=96) ax.set(xlim=(1,10), ylim=(-0.1,101), autoscale_on=False) #创建图像范围 a = np.array([[1, 1], [2, 2], [3, 3], [4, 4], [5, 5]]) #每种渐变色分成五段(array五行),数字表示在colormap对应的深浅 print(a.shape) clist=['white','blue'] #线性变化颜色由上面array值 小到大,越小,越白,达到上白下蓝的渐变效果 clist2=['red','white'] #渐变色2,用于白色到红色填充,array越小,越红,达到上红下白的效果 newcmp = LinearSegmentedColormap.from_list('chaos',clist) newcmp2 = LinearSegmentedColormap.from_list('chaos',clist2) plt.imshow(a,cmap=newcmp,interpolation='bicubic',extent=(1,10,0,60))#60%都是蓝色到白色渐变 plt.imshow(a,cmap=newcmp2,interpolation='bicubic',extent=(1,10,60,100)) #白色设置在60%处 frame = plt.gca() #读取当前图层 ax.yaxis.tick_right() #纵坐标移到右边 ax.set_yticklabels(('-80','-60','-40','-20','0','20','40')) #自定义yticks显示的值,第一个label不显示 frame.spines['top'].set_visible(False) #上框线不显示 frame.spines['bottom'].set_visible(False) frame.spines['right'].set_visible(False) frame.spines['left'].set_visible(False) plt.xticks([]) #x坐标不要 plt.show() fig.savefig('colorbar.tif',dpi=600,format='tif') print('Done!') #N = 10 #x = np.arange(N) + 0.15 #y = np.random.rand(N) #width = 0.4 #for x, y in zip(x, y): #ax.imshow(a, interpolation='bicubic', extent=(x, x+width, 0, y), cmap=plt.cm.Blues_r) #ax.set_aspect('auto') #plt.show()