1

我正在尝试绘制一些数据来分析它们。

我的数据定义如下：

class Data(object):
    def __init__(self, rows=200, cols=300):
        """
        The Data constructor
        """
        # The data grid
        self.cols = cols
        self.rows = rows
        # The 2D data structure
        self.data = numpy.zeros((rows, cols), float)

起初，我有这个方法：

  def generate_data_heat_map(data, x_axis_label, y_axis_label, plot_title, file_path):
    plt.figure()
    plt.title(plot_title)
    fig = plt.imshow(data.data, extent=[0, data.cols, data.rows, 0])
    plt.xlabel(x_axis_label)
    plt.ylabel(y_axis_label)
    plt.colorbar(fig)
    plt.savefig(file_path + '.png')
    plt.close()

这给了我一个热图图像（第二个图），因为我传递给它一个 MxN [亮度（灰度，仅浮点数组）]。而且不知道为什么这不会生成灰度图像，但到目前为止我并不担心它，因为这就是我想要的结果。

经过更多的计算，我有了这个方法来可视化我的数据，使用data_property作为 RGB 和data_uncertaity作为 alpha：

def generate_data_uncertainty_heat_map(data_property, data_uncertainty, x_axis_label, y_axis_label, plot_title, file_path):
    plt.figure()
    uncertainty = numpy.zeros((data_property.rows, data_property.cols, 4))
    uncertainty[..., :3] = data_property.data[..., numpy.newaxis]
    uncertainty[..., 3] = data_uncertainty.data
    plt.title(plot_title)
    fig = plt.imshow(uncertainty.data, extent=[0, data_property.cols, data_property.rows, 0])
    plt.xlabel(x_axis_label)
    plt.ylabel(y_axis_label)
    plt.colorbar(fig)
    plt.savefig(file_path + '.png')
    plt.close()

但是，当然，这给了我一个带有 alpha 值的灰度图像，因为我对 R、G 和 B 重复相同的值。但我真正想要的是第一个方法结果（彩色），并计算了一些 alpha 值作为数据的不确定性。

在此处输入图像描述

我注意到我的颜色条也没有关于我的数据（它是 RGB，我不能用它来分析我的数据）

我不知道如何实现我想要的结果，即有一个“热图”图，其中合并了用我的不确定性数据定义的 alpha 值和一个表示这种不确定性的颜色条。就像合并上面的这两个图像：

这是我的颜色： 图 2

这是我的阿尔法： 在此处输入图像描述

通过@BlazBratanic 提供的转换，我想我可以看到一点颜色（不确定），但这与我的预期相差甚远。

在此处输入图像描述

我所有的值都在 0.0 和 1.0 之间。

先感谢您。

4

1 回答 1

1

使用Matplotlib cm 模块将灰度映射到颜色值。如果我没记错的话，“jet”是默认的颜色图。所以你会做这样的事情：

uncertainty = plt.cm.jet(data_property.data)
uncertainty[..., 3] = data_uncertainty.data
于 2014-03-17T14:23:50.913 回答