在我的应用程序中,我在可能的情况下从R转换为本机Python(scipy matplotlib),其中一个最大的任务是从R热图转换为matplotlib热图. This post引导我进行移植.虽然大部分都是无痛的,但我仍然不相信色彩图.
在显示代码之前,解释：在R代码中我定义了“中断”,即从最低值开始直到10的固定数量的点,并且理想地以数据的中值为中心.它的等价物在于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分将用于着色.但是,我不确定如何在Python中完成同样的事情.目前我有：
def red_black_green():
cdict = {
'red': ((0.0,0.0,0.0),(0.5,(1.0,1.0,1.0)),'blue': ((0.0,0.0)),'green': ((0.0,1.0),0.0))
}
my_cmap = mpl.colors.LinearSegmentedColormap(
'my_colormap',cdict,100)
return my_cmap
我做得更进一步：
# 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变成更强大的东西.如何根据中位数对我的色彩图进行标准化,还是需要进行标准化？
最佳答案
默认情况下,matplotlib将对色彩映射进行标准化,以使最大色彩映射值成为数据的最大值.同样地,您的数据最少.这意味着色彩图的中位数(中间值)将与数据的插值中位数对齐(如果没有精确位于中位数的数据点,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,'blue': ((0.0,0.0))}
cmap = mcolors.LinearSegmentedColormap(
'my_colormap',100)
ax = plt.subplot(111)
im = ax.imshow(2*rand(20,20) + 1.5,cmap=cmap)
plt.colorbar(im)
plt.show()
请注意,颜色条的中间值为2.5.这是数据范围的中位数:(最大最大值)/ 2 =(1.5 3.5)/ 2 = 2.5.
希望这可以帮助.