Matplotlib es una increíble biblioteca de visualización en Python para gráficos 2D de arrays. Matplotlib es una biblioteca de visualización de datos multiplataforma basada en arrays NumPy y diseñada para funcionar con la pila SciPy más amplia.
matplotlib.colors.Mapa de colores
La clase matplotlib.colors.Colormap pertenece al módulo matplotlib.colors . El módulo matplotlib.colors se usa para convertir argumentos de color o números a RGBA o RGB. Este módulo se usa para asignar números a colores o conversión de especificación de color en una array de colores 1-D también conocida como mapa de colores.
La clase matplotlib.colors.Colormap es una clase base para todas las asignaciones escalares a RGBA. En general, las instancias de mapas de colores se utilizan para transformar valores de datos (flotantes) del intervalo 0-1 a su color RGBA respectivo. Aquí se usa la clase matplotlib.colors.Normalize para escalar los datos. Las subclases matplotlib.cm.ScalarMappable usan mucho esto para la string de procesamiento de datos->normalizar->mapa a color.
Sintaxis:
clase matplotlib.colors.Colormap(nombre, N=256)
Parámetros:
- name: Acepta una string que representa el nombre del color.
- N: Es un valor entero que representa el número de niveles de cuantificación de rgb.
Métodos de clase:
- colorbar_extend = Ninguno: si el mapa de colores existe en un mapeable escalar y colorbar_extend se establece en false, colorbar_extend se selecciona mediante la creación de la barra de colores como el valor predeterminado para la palabra clave extend en el constructor de matplotlib.colorbar.Colorbar.
- is_gray(self): Devuelve un valor booleano para verificar si el plt es gris.
- reversed(self, name=None) : Se utiliza para crear una instancia invertida de Colormap. Esta función no está implementada para la clase base. Tiene un solo parámetro, es decir, un nombre que es opcional y acepta un nombre de string para el mapa de colores invertido. Si se establece en Ninguno, se convierte en el nombre del mapa de colores principal + «r».
- set_bad(self, color=’k’, alpha=None): Establece el color que se utilizará para los valores enmascarados.
- set_over(self, color=’k’,, alpha=None): Se utiliza para establecer el color que se utilizará para valores altos fuera de rango. Requiere que norm.clip sea falso.
- set_under(self, color=’k’,, alpha=None): Se utiliza para establecer el color que se utilizará para valores bajos fuera de rango. Requiere que norm.clip sea falso.
Ejemplo :
import numpy as np
import matplotlib.pyplot as plt
start_point = 'lower'
diff = 0.025
a = b = np.arange(-3.0, 3.01, diff)
A, B = np.meshgrid(a, b)
X1 = np.exp(-A**2 - B**2)
X2 = np.exp(-(A - 1)**2 - (B - 1)**2)
X = (X1 - X2) * 2
RR, RC = X.shape
# putting NaNs in one corner:
X[-RR // 6:, -RC // 6:] = np.nan
X = np.ma.array(X)
# masking the other corner:
X[:RR // 6, :RC // 6] = np.ma.masked
# masking a circle in the middle:
INNER = np.sqrt(A**2 + B**2) < 0.5
X[INNER] = np.ma.masked
# using automatic selection of
# contour levels;
figure1, axes2 = plt.subplots(constrained_layout = True)
C = axes2.contourf(A, B, X, 10,
cmap = plt.cm.bone,
origin = start_point)
C2 = axes2.contour(C, levels = C.levels[::2],
colors ='r', origin = start_point)
axes2.set_title('3 masked regions')
axes2.set_xlabel('length of word anomaly')
axes2.set_ylabel('length of sentence anomaly')
# Make a colorbar for the ContourSet
# returned by the contourf call.
cbar = figure1.colorbar(C)
cbar.ax.set_ylabel('coefficient of verbosity')
# Add the contour line levels
# to the colorbar
cbar.add_lines(C2)
figure2, axes2 = plt.subplots(constrained_layout = True)
# making a contour plot with the
# levels specified,
levels = [-1.5, -1, -0.5, 0, 0.5, 1]
C3 = axes2.contourf(A, B, X, levels,
colors =('r', 'g', 'b'),
origin = start_point,
extend ='both')
# data below the lowest contour
# level yellow, data below the
# highest level green:
C3.cmap.set_under('yellow')
C3.cmap.set_over('green')
C4 = axes2.contour(A, B, X, levels,
colors =('k', ),
linewidths =(3, ),
origin = start_point)
axes2.set_title('Listed colors (3 masked regions)')
axes2.clabel(C4, fmt ='% 2.1f',
colors ='w',
fontsize = 14)
figure2.colorbar(C3)
# Illustrating all 4 possible
# "extend" settings:
extends = ["neither", "both", "min", "max"]
cmap = plt.cm.get_cmap("winter")
cmap.set_under("green")
cmap.set_over("red")
figure, axes = plt.subplots(2, 2,
constrained_layout = True)
for ax, extend in zip(axes.ravel(), extends):
cs = ax.contourf(A, B, X, levels,
cmap = cmap,
extend = extend,
origin = start_point)
figure.colorbar(cs, ax = ax, shrink = 0.9)
ax.set_title("extend = % s" % extend)
ax.locator_params(nbins = 4)
plt.show()
Salida :
Publicación traducida automáticamente
Artículo escrito por RajuKumar19 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA