在各種各樣的理論計算中，常常需要繪制各種填充圖，繪制完后需要加漸變填充的colorbar。可是有些軟件如VMD，colorbar渲染后顏色分布有些失真，不能較準確的表達各顏色對應的數值。用ps中的漸變填充可以解決該問題，但很多電腦配置較低，不能很好的運行ps。Python也可以直接繪制colorbar，填充顏色就好。如cmap中的bwr漸變本人就比較常用。然而，有時候顏色范圍是負數范圍多于正數范圍（如：colorbar需要表示 [-60，40]這段，藍色表示負數，紅色表示正數，白色應該在colorbar由下往上60%處），bwr漸變將white置于50%處顯得不夠合理，因此需要自定義填充。本文以imshow() 函數來進行填充柱狀圖達到自定義colorbar的目的。interpolation=‘bicubic’ 可以很好的做出漸變效果。

代碼

# -*- coding: utf-8 -*-'''Created on Wed Dec 9 10:36:54 2020@author: fya'''import matplotlib.pyplot as pltimport numpy as npfrom matplotlib.colors import ListedColormap,LinearSegmentedColormapimport matplotlib as mplfig, ax = plt.subplots(dpi=96)ax.set(xlim=(1,10), ylim=(-0.1,101), autoscale_on=False) #創建圖像范圍a = np.array([[1, 1], [2, 2], [3, 3], [4, 4], [5, 5]]) #每種漸變色分成五段（array五行），數字表示在colormap對應的深淺print(a.shape)clist=[’white’,’blue’] #線性變化顏色由上面array值 小到大，越小，越白，達到上白下藍的漸變效果clist2=[’red’,’white’] #漸變色2，用于白色到紅色填充，array越小，越紅，達到上紅下白的效果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%都是藍色到白色漸變plt.imshow(a,cmap=newcmp2,interpolation=’bicubic’,extent=(1,10,60,100)) #白色設置在60%處frame = plt.gca() #讀取當前圖層ax.yaxis.tick_right() #縱坐標移到右邊ax.set_yticklabels((’-80’,’-60’,’-40’,’-20’,’0’,’20’,’40’)) #自定義yticks顯示的值，第一個label不顯示frame.spines[’top’].set_visible(False) #上框線不顯示frame.spines[’bottom’].set_visible(False)frame.spines[’right’].set_visible(False)frame.spines[’left’].set_visible(False)plt.xticks([]) #x坐標不要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()

代碼2，漸變色分100段

# -*- coding: utf-8 -*-'''Created on Wed Dec 9 10:36:54 2020@author: fanyiang'''import matplotlib.pyplot as pltimport numpy as npfrom matplotlib.colors import ListedColormap,LinearSegmentedColormapimport matplotlib as mplimport pandas as pdimport osfig, ax = plt.subplots(dpi=96)ax.set(xlim=(1,10), ylim=(-0.1,101), autoscale_on=False)#a = np.array([[1, 1], #[2, 2], #[3, 3], #[4, 4], #[5, 5]]) #每種漸變色分成五段（array五行），數字表示在colormap對應的深淺avalue=locals() dfvalue=locals() for i in range(1,101): avalue[’a’+str(i)]=np.array([[i,i]]) #漸變色分為100段，分的更細 dfvalue[’df’+str(i)]=pd.DataFrame(avalue[’a’+str(i)]) #轉dataframe df=dfvalue[’df’+str(i)] df.to_csv('temp.csv', mode=’a’,header=None) #暫存csv文件，第一列會把每一次循環的index放進去df3=pd.read_csv(’temp.csv’,header=None)#讀取csvdf3.columns=[’序號’,’x’,’y’]#column命名，第一列廢棄df3=df3.drop(’序號’,axis=1)#刪除第一列a=np.array(df3) #轉arrayprint(df3.head())#a=np.vstack((a1,a2,a3,a4,a5,a6,a7,a8,a9,a10))print(a)clist=[’white’,’blue’] #線性變化顏色由上面array值 小到大clist2=[’red’,’white’]newcmp = LinearSegmentedColormap.from_list(’chaos’,clist)newcmp2 = LinearSegmentedColormap.from_list(’chaos’,clist2)plt.imshow(a,cmap=newcmp,interpolation=’bicubic’,extent=(1,10,0,60))plt.imshow(a,cmap=newcmp2,interpolation=’bicubic’,extent=(1,10,60,100)) #白色設置在60%處frame = plt.gca() #讀取當前圖層ax.yaxis.tick_right() #縱坐標移到右邊ax.set_yticklabels((’-80’,’-60’,’-40’,’-20’,’0’,’20’,’40’)) #自定義yticks顯示的值，第一個label不顯示frame.spines[’top’].set_visible(False) #上框線不顯示frame.spines[’bottom’].set_visible(False)frame.spines[’right’].set_visible(False)frame.spines[’left’].set_visible(False)plt.xticks([]) #x坐標不要plt.show()fig.savefig(’colorbar.tif’,dpi=600,format=’tif’)os.remove('temp.csv') #刪除臨時的csv文件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()效果

效果1

效果2

到此這篇關于Python利用imshow制作自定義漸變填充柱狀圖(colorbar)的文章就介紹到這了,更多相關Python 漸變填充柱狀圖內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！