5

在我的应用程序中，我尽可能从 R 过渡到原生 Python（scipy + matplotlib），最大的任务之一是将 R 热图转换为 matplotlib 热图。这篇文章指导我进行移植。虽然大部分都没有痛苦，但我仍然不相信色彩图。

在展示代码之前，先解释一下：在 R 代码中，我定义了“breaks”，即从最低值到 10 的固定点数，理想情况下以数据的中值为中心。它的等价物是numpy.linspace：

# Matrix is a DataFrame object from pandas
import numpy as np

data_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 分用于着色。但是，我不确定如何在 Python 中做同样的事情。目前我有：

def red_black_green():
    cdict = {
       'red': ((0.0, 0.0, 0.0),
               (0.5, 0.0, 0.0),
               (1.0, 1.0, 1.0)),
       'blue': ((0.0, 0.0, 0.0),
                (1.0, 0.0, 0.0)),
       'green': ((0.0, 0.0, 1.0),
                 (0.5, 0.0, 0.0),
                 (1.0, 0.0, 0.0))
       }

    my_cmap = mpl.colors.LinearSegmentedColormap(
        'my_colormap', cdict, 100)

    return my_cmap

再往下我做：

# Note: vmin and vmax are the maximum and the minimum of the data

# Adjust the max and min to scale these colors
if 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改成更强大的东西。如何根据中位数对颜色图进行归一化，或者我是否需要归一化？

4

1 回答 1

4

默认情况下，matplotlib 将规范化颜色图，以便最大颜色图值将是数据的最大值。对于最少的数据也是如此。这意味着颜色图的中值（中间值）将与数据的插值中值对齐（如果您没有恰好位于中值的数据点，则进行插值）。

这是一个例子：

from numpy.random import rand
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors

cdict = {'red':   ((0.0, 0.0, 0.0),
                   (0.5, 0.0, 0.0),
                   (1.0, 1.0, 1.0)),
         'blue':  ((0.0, 0.0, 0.0),
                   (1.0, 0.0, 0.0)),
         'green': ((0.0, 0.0, 1.0),
                   (0.5, 0.0, 0.0),
                   (1.0, 0.0, 0.0))}

cmap = mcolors.LinearSegmentedColormap(
'my_colormap', cdict, 100)

ax = plt.subplot(111)
im = ax.imshow(2*rand(20, 20) + 1.5, cmap=cmap)
plt.colorbar(im)
plt.show()

注意颜色条中间的值为 2.5。这是数据范围的中位数：(min + max) / 2 = (1.5+3.5) / 2 = 2.5。

希望这可以帮助。

于 2012-10-17T10:54:26.643 回答