我正在尝试为 matplotlib 中的散点图制作一个离散的颜色条
我有我的 x、y 数据和每个点的整数标签值，我想用唯一的颜色表示它，例如
plt.scatter(x, y, c=tag)
通常标签将是一个介于 0-20 之间的整数，但确切的范围可能会改变
到目前为止，我刚刚使用了默认设置，例如
plt.colorbar()
它提供了连续的颜色范围。理想情况下，我想要一组 n 离散颜色（在本例中 n = 20）。更好的办法是让标签值为 0 以产生灰色，而 1-20 则为彩色。
我找到了一些“食谱”脚本，但它们非常复杂，我认为它们不是解决看似简单问题的正确方法
您可以通过使用 BoundaryNorm 作为散点图的规范化器来轻松创建自定义离散颜色条。古怪的一点（在我的方法中）使 0 显示为灰色。
对于图像，我经常使用 cmap.set_bad() 并将我的数据转换为 numpy 掩码数组。将 0 设为灰色会更容易，但我无法让它与散点图或自定义 cmap 一起使用。
作为替代方案，您可以从头开始制作自己的 cmap，或读出现有的 cmap 并仅覆盖一些特定条目。
import numpy as np
import matplotlib as mpl
import matplotlib.pylab as plt
fig, ax = plt.subplots(1, 1, figsize=(6, 6)) # setup the plot
x = np.random.rand(20) # define the data
y = np.random.rand(20) # define the data
tag = np.random.randint(0, 20, 20)
tag[10:12] = 0 # make sure there are some 0 values to show up as grey
cmap = plt.cm.jet # define the colormap
# extract all colors from the .jet map
cmaplist = [cmap(i) for i in range(cmap.N)]
# force the first color entry to be grey
cmaplist[0] = (.5, .5, .5, 1.0)
# create the new map
cmap = mpl.colors.LinearSegmentedColormap.from_list(
'Custom cmap', cmaplist, cmap.N)
# define the bins and normalize
bounds = np.linspace(0, 20, 21)
norm = mpl.colors.BoundaryNorm(bounds, cmap.N)
# make the scatter
scat = ax.scatter(x, y, c=tag, s=np.random.randint(100, 500, 20),
cmap=cmap, norm=norm)
# create a second axes for the colorbar
ax2 = fig.add_axes([0.95, 0.1, 0.03, 0.8])
cb = plt.colorbar.ColorbarBase(ax2, cmap=cmap, norm=norm,
spacing='proportional', ticks=bounds, boundaries=bounds, format='%1i')
ax.set_title('Well defined discrete colors')
ax2.set_ylabel('Very custom cbar [-]', size=12)
我个人认为使用 20 种不同的颜色来读取具体值有点困难，但这当然取决于你。
你可以按照这个例子：
#!/usr/bin/env python
"""
Use a pcolor or imshow with a custom colormap to make a contour plot.
Since this example was initially written, a proper contour routine was
added to matplotlib - see contour_demo.py and
http://matplotlib.sf.net/matplotlib.pylab.html#-contour.
"""
from pylab import *
delta = 0.01
x = arange(-3.0, 3.0, delta)
y = arange(-3.0, 3.0, delta)
X,Y = meshgrid(x, y)
Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
Z = Z2 - Z1 # difference of Gaussians
cmap = cm.get_cmap('PiYG', 11) # 11 discrete colors
im = imshow(Z, cmap=cmap, interpolation='bilinear',
vmax=abs(Z).max(), vmin=-abs(Z).max())
axis('off')
colorbar()
show()
这会产生以下图像：
上面的答案很好，除了它们在颜色栏上没有正确的刻度位置。我喜欢在颜色中间加上刻度，这样数字 -> 颜色映射就更清晰了。您可以通过更改 matshow 调用的限制来解决此问题：
import matplotlib.pyplot as plt
import numpy as np
def discrete_matshow(data):
# get discrete colormap
cmap = plt.get_cmap('RdBu', np.max(data) - np.min(data) + 1)
# set limits .5 outside true range
mat = plt.matshow(data, cmap=cmap, vmin=np.min(data) - 0.5,
vmax=np.max(data) + 0.5)
# tell the colorbar to tick at integers
cax = plt.colorbar(mat, ticks=np.arange(np.min(data), np.max(data) + 1))
# generate data
a = np.random.randint(1, 9, size=(10, 10))
discrete_matshow(a)
要设置高于或低于颜色图范围的值，您需要使用颜色图的set_over和set_under方法。如果要标记特定值，请将其屏蔽（即创建屏蔽数组），然后使用该set_bad方法。（查看基本颜色图类的文档：http: //matplotlib.org/api/colors_api.html#matplotlib.colors.Colormap）
听起来你想要这样的东西：
import matplotlib.pyplot as plt
import numpy as np
# Generate some data
x, y, z = np.random.random((3, 30))
z = z * 20 + 0.1
# Set some values in z to 0...
z[:5] = 0
cmap = plt.get_cmap('jet', 20)
cmap.set_under('gray')
fig, ax = plt.subplots()
cax = ax.scatter(x, y, c=z, s=100, cmap=cmap, vmin=0.1, vmax=z.max())
fig.colorbar(cax, extend='min')
plt.show()
这个主题已经很好地涵盖了，但我想添加一些更具体的内容：我想确保某个值将映射到该颜色（而不是任何颜色）。
这并不复杂，但因为我花了一些时间，它可能会帮助其他人不会像我一样浪费太多时间:)
import matplotlib
from matplotlib.colors import ListedColormap
# Let's design a dummy land use field
A = np.reshape([7,2,13,7,2,2], (2,3))
vals = np.unique(A)
# Let's also design our color mapping: 1s should be plotted in blue, 2s in red, etc...
col_dict={1:"blue",
2:"red",
13:"orange",
7:"green"}
# We create a colormar from our list of colors
cm = ListedColormap([col_dict[x] for x in col_dict.keys()])
# Let's also define the description of each category : 1 (blue) is Sea; 2 (red) is burnt, etc... Order should be respected here ! Or using another dict maybe could help.
labels = np.array(["Sea","City","Sand","Forest"])
len_lab = len(labels)
# prepare normalizer
## Prepare bins for the normalizer
norm_bins = np.sort([*col_dict.keys()]) + 0.5
norm_bins = np.insert(norm_bins, 0, np.min(norm_bins) - 1.0)
print(norm_bins)
## Make normalizer and formatter
norm = matplotlib.colors.BoundaryNorm(norm_bins, len_lab, clip=True)
fmt = matplotlib.ticker.FuncFormatter(lambda x, pos: labels[norm(x)])
# Plot our figure
fig,ax = plt.subplots()
im = ax.imshow(A, cmap=cm, norm=norm)
diff = norm_bins[1:] - norm_bins[:-1]
tickz = norm_bins[:-1] + diff / 2
cb = fig.colorbar(im, format=fmt, ticks=tickz)
fig.savefig("example_landuse.png")
plt.show()
我一直在研究这些想法，这是我的 5 美分。它避免调用BoundaryNorm以及指定norm为scatterand的参数colorbar。但是，我发现没有办法消除对matplotlib.colors.LinearSegmentedColormap.from_list.
一些背景是 matplotlib 提供了所谓的定性颜色图，旨在与离散数据一起使用。Set1，例如，有 9 种容易区分的颜色，tab20可以用于 20 种颜色。使用这些地图，可以很自然地使用它们的前 n 个颜色为具有 n 个类别的散点图着色，如下例所示。该示例还生成了一个带有 n 个离散颜色的颜色条，这些颜色被适当地标记了。
import matplotlib, numpy as np, matplotlib.pyplot as plt
n = 5
from_list = matplotlib.colors.LinearSegmentedColormap.from_list
cm = from_list(None, plt.cm.Set1(range(0,n)), n)
x = np.arange(99)
y = x % 11
z = x % n
plt.scatter(x, y, c=z, cmap=cm)
plt.clim(-0.5, n-0.5)
cb = plt.colorbar(ticks=range(0,n), label='Group')
cb.ax.tick_params(length=0)
这会产生下面的图像。n调用中的Set1指定该颜色图的第一种颜色n，n调用中的最后from_list
一种指定用n颜色构造一个图（默认为 256）。为了使用 设置cm为默认颜色图plt.set_cmap，我发现有必要给它一个名称并注册它，即：
cm = from_list('Set15', plt.cm.Set1(range(0,n)), n)
plt.cm.register_cmap(None, cm)
plt.set_cmap(cm)
...
plt.scatter(x, y, c=z)
我想你想看看colors.ListedColormap来生成你的颜色图，或者如果你只需要一个静态颜色图，我一直在开发一个可能有帮助的应用程序。