python - 使用 Matplotlib 的任意非线性颜色条

Question

我想使用 Networkx 和 Matplotlib 为网络的边缘着色，其中每个边缘 (i,j) 都被赋予一个值 G[i][j]['label'] 介于 0 和 1 之间。

但是，这些值通常要么非常接近于 0，要么非常接近 1。然后很难将颜色的变化可视化，因为所有东西要么非常红，要么非常蓝(使用 coolwarm 颜色图)。

然后，我的想法是应用一个过滤器 filtR，就像这些过滤器之一:

它只是一个多项式函数，提供从 [0,1] 到 [0,1] 的双射，并在 0 或 1 附近扩展更多值。如果需要，逆函数很容易处理。

现在，我只是将它应用到边缘的值，以定义它的颜色:

cm        = plt.get_cmap('coolwarm') 
cNorm     = colors.Normalize(vmin=0., vmax=1.)
scalarMap = cmx.ScalarMappable(norm=cNorm, cmap=cm)
colorList = []

# The color is defined by filtR(G[i][j]['label'])
val_map   = {(i,j): filtR(G[i][j]['label']) for (i,j) in G.edges()}
values    = [scalarMap.to_rgba(val_map[e]) for e in G.edges()]
edges     = nx.draw_networkx_edges(G,edge_color=values,edge_cmap=plt.get_cmap('coolwarm'))


# Definition of the colorbar :-(
sm = cmx.ScalarMappable(cmap=cmx.coolwarm)
sm.set_array(values)
plt.colorbar(sm)

现在的问题是:我想定义对应的colorbar。

现在，它显示了 filtR 函数对我的边缘的评估，这是没有意义的:过滤器的唯一目的是修改 [0,1] 区间上的颜色重新分配以提高图表的可读性。

例如，我得到:

我对左边部分很满意，但对右边部分不满意，颜色栏应该是这样的:

这里的 filter 函数显然不是最好的，但它应该为您提供更好的说明。

我试图在定义颜色条之前重新定义 values :

# Definition of the colorbar :-(

new_val_map = {(i,j): filtR(G[i][j]['label']) for (i,j) in G.edges()}
new_values  = [scalarMap.to_rgba(val_map[e]) for e in G.edges()]

sm = cmx.ScalarMappable(cmap=cmx.coolwarm)
sm.set_array(new_values)
plt.colorbar(sm)

但是什么都没有改变。

我对 Matplotlib 的理解有点有限，所提供的代码已经是堆栈溢出答案的拼凑。

Answer 1

本质上，您根本不想更改颜色图。 Instaed 你想创建你的自定义规范化。为此，您可以子类化 matplotlib.colors.Normalize 并让它返回自定义函数的值。该函数需要将 vmin 和 vmax 之间的值作为输入并返回 [0,1] 范围内的值。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as mcolors


class MyNormalize(mcolors.Normalize):
    def __call__(self, value, clip=None):
        # function to normalize any input between vmin and vmax linearly to [0,1]
        n = lambda x: (x-self.vmin)/(self.vmax-self.vmin)
        # nonlinear function between [0,1] and [0,1]
        f = lambda x,a: (2*x)**a*(2*x<1)/2. +(2-(2*(1-1*x))**a)*(2*x>=1)/2.
        return np.ma.masked_array(f(n(value),0.5))


fig, (ax,ax2) = plt.subplots(ncols=2)

x = np.linspace(-0.3,1.2, num=101)
X = (np.sort(np.random.rand(100))*1.5-0.3)

norm=  MyNormalize(vmin=-0.3, vmax=1.2)

ax.plot(x,norm(x))
im = ax2.imshow(X[::-1,np.newaxis], norm=norm, cmap="coolwarm", aspect="auto")
fig.colorbar(im)

plt.show()

所需颜色条的图像更像是一个部分线性函数，就像下面使用的蜜蜂一样。

class MyNormalize2(mcolors.Normalize):
    def __call__(self, value, clip=None):
        n = lambda x: self.vmin+(self.vmax-self.vmin)*x
        x, y = [self.vmin, n(0.2), n(0.8), self.vmax], [0, 0.48,0.52, 1]
        return np.ma.masked_array(np.interp(value, x, y))