• 当前位置：首页
  • IT科技
  • 如何为所有子图设置一个颜色条

如何为所有子图设置一个颜色条

2024-11-27 10:43:00
admin
原创
193
摘要：问题描述：我花了很长时间研究如何让两个子图在 Matplotlib 中共享同一个 y 轴，并且两者之间共享一个颜色条。发生的情况是，当我在或中调用该colorbar()函数时，它会自动缩放图，使得颜色条加上图能够适合“子图”边界框，从而导致两个并排的图具有两个非常不同的大小。subplot1`subplot2...

问题描述：

我花了很长时间研究如何让两个子图在 Matplotlib 中共享同一个 y 轴，并且两者之间共享一个颜色条。

发生的情况是，当我在或中调用该colorbar()函数时，它会自动缩放图，使得颜色条加上图能够适合“子图”边界框，从而导致两个并排的图具有两个非常不同的大小。subplot1`subplot2`

为了解决这个问题，我尝试创建第三个子图，然后对其进行修改，使其只显示颜色条，不渲染任何图。唯一的问题是，现在两个图的高度和宽度不一致，我不知道如何让它看起来正常。

这是我的代码：

from __future__ import division
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import patches
from matplotlib.ticker import NullFormatter

# SIS Functions
TE = 1 # Einstein radius
g1 = lambda x,y: (TE/2) * (y**2-x**2)/((x**2+y**2)**(3/2)) 
g2 = lambda x,y: -1*TE*x*y / ((x**2+y**2)**(3/2))
kappa = lambda x,y: TE / (2*np.sqrt(x**2+y**2))

coords = np.linspace(-2,2,400)
X,Y = np.meshgrid(coords,coords)
g1out = g1(X,Y)
g2out = g2(X,Y)
kappaout = kappa(X,Y)
for i in range(len(coords)):
    for j in range(len(coords)):
        if np.sqrt(coords[i]**2+coords[j]**2) <= TE:
            g1out[i][j]=0
            g2out[i][j]=0

fig = plt.figure()
fig.subplots_adjust(wspace=0,hspace=0)

# subplot number 1
ax1 = fig.add_subplot(1,2,1,aspect='equal',xlim=[-2,2],ylim=[-2,2])
plt.title(r"$gamma_{1}$",fontsize="18")
plt.xlabel(r"x ($    heta_{E}$)",fontsize="15")
plt.ylabel(r"y ($    heta_{E}$)",rotation='horizontal',fontsize="15")
plt.xticks([-2.0,-1.5,-1.0,-0.5,0,0.5,1.0,1.5])
plt.xticks([-2.0,-1.5,-1.0,-0.5,0,0.5,1.0,1.5])
plt.imshow(g1out,extent=(-2,2,-2,2))
plt.axhline(y=0,linewidth=2,color='k',linestyle="--")
plt.axvline(x=0,linewidth=2,color='k',linestyle="--")
e1 = patches.Ellipse((0,0),2,2,color='white')
ax1.add_patch(e1)

# subplot number 2
ax2 = fig.add_subplot(1,2,2,sharey=ax1,xlim=[-2,2],ylim=[-2,2])
plt.title(r"$gamma_{2}$",fontsize="18")
plt.xlabel(r"x ($    heta_{E}$)",fontsize="15")
ax2.yaxis.set_major_formatter( NullFormatter() )
plt.axhline(y=0,linewidth=2,color='k',linestyle="--")
plt.axvline(x=0,linewidth=2,color='k',linestyle="--")
plt.imshow(g2out,extent=(-2,2,-2,2))
e2 = patches.Ellipse((0,0),2,2,color='white')
ax2.add_patch(e2)

# subplot for colorbar
ax3 = fig.add_subplot(1,1,1)
ax3.axis('off')
cbar = plt.colorbar(ax=ax2)

plt.show()

解决方案 1：

只需将颜色条放置在其自己的轴上并为其subplots_adjust腾出空间即可。

举一个简单的例子：

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2)
for ax in axes.flat:
    im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)

fig.subplots_adjust(right=0.8)
cbar_ax = fig.add_axes([0.85, 0.15, 0.05, 0.7])
fig.colorbar(im, cax=cbar_ax)

plt.show()

在此处输入图片描述

im请注意，即使值的范围由vmin和设定，颜色范围也将由最后绘制的图像（产生 ）设定vmax。如果另一个图具有更高的最大值，则具有高于 最大值的值的点im将以统一的颜色显示。

解决方案 2：

您可以使用带有轴列表的ax参数来简化 Joe Kington 的代码。摘自文档：figure.colorbar()

斧头

无 | 父轴对象，新颜色条轴的空间将从中被窃取。如果给出了轴列表，它们将全部调整大小以腾出空间给颜色条轴。

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2)
for ax in axes.flat:
    im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)

fig.colorbar(im, ax=axes.ravel().tolist())

plt.show()

1

解决方案 3：

此解决方案不需要手动调整轴位置或颜色条大小，适用于多行和单行布局，并适用于tight_layout()。它改编自图库示例，使用ImageGrid来自 matplotlib 的AxesGrid 工具箱。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid

# Set up figure and image grid
fig = plt.figure(figsize=(9.75, 3))

grid = ImageGrid(fig, 111,          # as in plt.subplot(111)
                 nrows_ncols=(1,3),
                 axes_pad=0.15,
                 share_all=True,
                 cbar_location="right",
                 cbar_mode="single",
                 cbar_size="7%",
                 cbar_pad=0.15,
                 )

# Add data to image grid
for ax in grid:
    im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)

# Colorbar
ax.cax.colorbar(im)
ax.cax.toggle_label(True)

#plt.tight_layout()    # Works, but may still require rect paramater to keep colorbar labels visible
plt.show()

图像网格

解决方案 4：

使用起来make_axes更加简单，而且效果更好。它还提供了自定义颜色条定位的可能性。还请注意subplots共享 x 和 y 轴的选项。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

fig, axes = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
for ax in axes.flat:
    im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)

cax,kw = mpl.colorbar.make_axes([ax for ax in axes.flat])
plt.colorbar(im, cax=cax, **kw)

plt.show()

IT科技

解决方案 5：

共享色彩图和颜色条

这是针对更复杂的情况，其中值不仅仅介于 0 和 1 之间；需要共享 cmap，而不仅仅是使用最后一个。

import numpy as np
from matplotlib.colors import Normalize
import matplotlib.pyplot as plt
import matplotlib.cm as cm

fig, axes = plt.subplots(nrows=2, ncols=2)
cmap = cm.get_cmap('viridis')
normalizer = Normalize(0, 4)
im = cm.ScalarMappable(norm=normalizer)
for i, ax in enumerate(axes.flat):
    ax.imshow(i + np.random.random((10, 10)), cmap=cmap, norm=normalizer)
    ax.set_title(str(i))
fig.colorbar(im, ax=axes.ravel().tolist())
plt.show()

IT科技

解决方案 6：

作为一名偶然发现这个帖子的初学者，我想添加一个针对abevieiramota非常简洁的答案的 python-for-dummies 改编版（因为我处于必须查找“ravel”才能弄清楚他们的代码在做什么的水平）：

import numpy as np
import matplotlib.pyplot as plt

fig, ((ax1,ax2,ax3),(ax4,ax5,ax6)) = plt.subplots(2,3)

axlist = [ax1,ax2,ax3,ax4,ax5,ax6]

first = ax1.imshow(np.random.random((10,10)), vmin=0, vmax=1)
third = ax3.imshow(np.random.random((12,12)), vmin=0, vmax=1)

fig.colorbar(first, ax=axlist)

plt.show()

更少的 Python 风格，对于像我这样的新手来说更容易看到这里到底发生了什么。

解决方案 7：

matplotlib 3.4.0 中的新功能

现在可以使用子图实现共享颜色条：

新的Figure.subfigures并Figure.add_subfigure允许...仅与每个子图相关的本地化图形艺术家（例如，彩条和字幕）。

matplotlib 图库包含有关如何绘制子图的演示。

这是一个具有 2 个子图的最小示例，每个子图都有一个共享的颜色条：

子图颜色条

fig = plt.figure(constrained_layout=True)
(subfig_l, subfig_r) = fig.subfigures(nrows=1, ncols=2)

axes_l = subfig_l.subplots(nrows=1, ncols=2, sharey=True)
for ax in axes_l:
    im = ax.imshow(np.random.random((10, 10)), vmin=0, vmax=1)

# shared colorbar for left subfigure
subfig_l.colorbar(im, ax=axes_l, location='bottom')

axes_r = subfig_r.subplots(nrows=3, ncols=1, sharex=True)
for ax in axes_r:
    mesh = ax.pcolormesh(np.random.randn(30, 30), vmin=-2.5, vmax=2.5)

# shared colorbar for right subfigure
subfig_r.colorbar(mesh, ax=axes_r)

解决方案 8：

正如其他答案所指出的那样，通常的想法是定义一个轴来放置颜色条。有多种方法可以做到这一点；其中一种尚未提及的方法是在创建子图时直接指定颜色条轴plt.subplots()。优点是轴的位置不需要手动设置，并且在所有情况下，使用自动纵横比，颜色条的高度都将与子图完全相同。即使在许多使用图像的情况下，结果也会令人满意，如下所示。

当使用时plt.subplots()，使用gridspec_kw参数可以使颜色条轴比其他轴小得多。

fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(5.5,3), 
                  gridspec_kw={"width_ratios":[1,1, 0.05]})

例子：

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)

fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(5.5,3), 
                  gridspec_kw={"width_ratios":[1,1, 0.05]})
fig.subplots_adjust(wspace=0.3)
im  = ax.imshow(np.random.rand(11,8), vmin=0, vmax=1)
im2 = ax2.imshow(np.random.rand(11,8), vmin=0, vmax=1)
ax.set_ylabel("y label")

fig.colorbar(im, cax=cax)

plt.show()

在此处输入图片描述

如果绘图的纵横比是自动缩放的，或者图像由于其在宽度方向上的纵横比而缩小（如上所示），则此方法效果很好。但是，如果图像的宽度大于高度，则结果将如下所示，这可能是不理想的。

在此处输入图片描述

将颜色条高度固定到子图高度的解决方案是使用mpl_toolkits.axes_grid1.inset_locator.InsetPosition相对于图像子图轴设置颜色条轴。

import matplotlib.pyplot as plt
import numpy as np; np.random.seed(1)
from mpl_toolkits.axes_grid1.inset_locator import InsetPosition

fig, (ax, ax2, cax) = plt.subplots(ncols=3,figsize=(7,3), 
                  gridspec_kw={"width_ratios":[1,1, 0.05]})
fig.subplots_adjust(wspace=0.3)
im  = ax.imshow(np.random.rand(11,16), vmin=0, vmax=1)
im2 = ax2.imshow(np.random.rand(11,16), vmin=0, vmax=1)
ax.set_ylabel("y label")

ip = InsetPosition(ax2, [1.05,0,0.05,1]) 
cax.set_axes_locator(ip)

fig.colorbar(im, cax=cax, ax=[ax,ax2])

plt.show()

在此处输入图片描述

解决方案 9：

正如评论中指出的那样，使用abevieiramota提出的轴列表解决方案效果很好，直到您只使用一行图像。使用合理的纵横比会有所figsize帮助，但还远远不够完美。例如：

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(9.75, 3))
for ax in axes.flat:
    im = ax.imshow(np.random.random((10,10)), vmin=0, vmax=1)

fig.colorbar(im, ax=axes.ravel().tolist())

plt.show()

1 x 3 图像阵列

colorbar函数提供了一个shrink参数，它是 colorbar 轴大小的缩放因子。它确实需要一些手动反复试验。例如：

fig.colorbar(im, ax=axes.ravel().tolist(), shrink=0.75)

1 x 3 图像阵列，颜色条缩小

解决方案 10：

除了@abevieiramota 的出色回答之外，您还可以获得与 constrained_layout 等价的 tight_layout。如果您使用imshow而不是 ，您仍会得到较大的水平间隙pcolormesh，因为 强加了 1:1 的纵横比imshow。

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2, constrained_layout=True)
for ax in axes.flat:
    im = ax.pcolormesh(np.random.random((10,10)), vmin=0, vmax=1)

fig.colorbar(im, ax=axes.flat)
plt.show()

在此处输入图片描述

解决方案 11：

我注意到，几乎每个发布的解决方案都涉及ax.imshow(im, ...)并且没有对多个子图的颜色条显示的颜色进行标准化。im可映射图取自最后一个实例，但如果多个im-s 的值不同怎么办？（我假设这些可映射图的处理方式与轮廓集和表面集的处理方式相同。）我有一个使用下面 3d 表面图的示例，它为 2x2 子图创建两个颜色条（每行一个颜色条）。虽然问题明确要求不同的安排，但我认为这个例子有助于澄清一些事情。plt.subplots(...)不幸的是，由于 3D 轴的原因，我还没有找到使用这种方法的方法。

示例图

如果我能以更好的方式定位颜色条......（可能有更好的方法来做到这一点，但至少它应该不太难遵循。）

import matplotlib
from matplotlib import cm
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

cmap = 'plasma'
ncontours = 5

def get_data(row, col):
    """ get X, Y, Z, and plot number of subplot
        Z > 0 for top row, Z < 0 for bottom row """
    if row == 0:
        x = np.linspace(1, 10, 10, dtype=int)
        X, Y = np.meshgrid(x, x)
        Z = np.sqrt(X**2 + Y**2)
        if col == 0:
            pnum = 1
        else:
            pnum = 2
    elif row == 1:
        x = np.linspace(1, 10, 10, dtype=int)
        X, Y = np.meshgrid(x, x)
        Z = -np.sqrt(X**2 + Y**2)
        if col == 0:
            pnum = 3
        else:
            pnum = 4
    print("
PNUM: {}, Zmin = {}, Zmax = {}
".format(pnum, np.min(Z), np.max(Z)))
    return X, Y, Z, pnum

fig = plt.figure()
nrows, ncols = 2, 2
zz = []
axes = []
for row in range(nrows):
    for col in range(ncols):
        X, Y, Z, pnum = get_data(row, col)
        ax = fig.add_subplot(nrows, ncols, pnum, projection='3d')
        ax.set_title('row = {}, col = {}'.format(row, col))
        fhandle = ax.plot_surface(X, Y, Z, cmap=cmap)
        zz.append(Z)
        axes.append(ax)

## get full range of Z data as flat list for top and bottom rows
zz_top = zz[0].reshape(-1).tolist() + zz[1].reshape(-1).tolist()
zz_btm = zz[2].reshape(-1).tolist() + zz[3].reshape(-1).tolist()
## get top and bottom axes
ax_top = [axes[0], axes[1]]
ax_btm = [axes[2], axes[3]]
## normalize colors to minimum and maximum values of dataset
norm_top = matplotlib.colors.Normalize(vmin=min(zz_top), vmax=max(zz_top))
norm_btm = matplotlib.colors.Normalize(vmin=min(zz_btm), vmax=max(zz_btm))
cmap = cm.get_cmap(cmap, ncontours) # number of colors on colorbar
mtop = cm.ScalarMappable(cmap=cmap, norm=norm_top)
mbtm = cm.ScalarMappable(cmap=cmap, norm=norm_btm)
for m in (mtop, mbtm):
    m.set_array([])

# ## create cax to draw colorbar in
# cax_top = fig.add_axes([0.9, 0.55, 0.05, 0.4])
# cax_btm = fig.add_axes([0.9, 0.05, 0.05, 0.4])
cbar_top = fig.colorbar(mtop, ax=ax_top, orientation='vertical', shrink=0.75, pad=0.2) #, cax=cax_top)
cbar_top.set_ticks(np.linspace(min(zz_top), max(zz_top), ncontours))
cbar_btm = fig.colorbar(mbtm, ax=ax_btm, orientation='vertical', shrink=0.75, pad=0.2) #, cax=cax_btm)
cbar_btm.set_ticks(np.linspace(min(zz_btm), max(zz_btm), ncontours))

plt.show()
plt.close(fig)
## orientation of colorbar = 'horizontal' if done by column

解决方案 12：

这个主题已经被很好地涵盖了，但我仍然想从稍微不同的哲学角度提出另一种方法。

设置起来有点复杂，但（在我看来）它提供了更多的灵活性。例如，你可以调整每个子图/颜色条的相应比例：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.gridspec import GridSpec

# Define number of rows and columns you want in your figure
nrow = 2
ncol = 3

# Make a new figure
fig = plt.figure(constrained_layout=True)

# Design your figure properties
widths = [3,4,5,1]
gs = GridSpec(nrow, ncol + 1, figure=fig, width_ratios=widths)

# Fill your figure with desired plots
axes = []
for i in range(nrow):
    for j in range(ncol):
        axes.append(fig.add_subplot(gs[i, j]))
        im = axes[-1].pcolormesh(np.random.random((10,10)))

# Shared colorbar    
axes.append(fig.add_subplot(gs[:, ncol]))
fig.colorbar(im, cax=axes[-1])

plt.show()

在此处输入图片描述

解决方案 13：

上面的答案很棒，但大多数答案都使用fig.colobar()应用于fig对象的方法。此示例显示如何使用plt.colobar()直接应用于的函数pyplot：

def shared_colorbar_example():
    fig, axs = plt.subplots(nrows=3, ncols=3)
    for ax in axs.flat:
        plt.sca(ax)
        color = np.random.random((10))
        plt.scatter(range(10), range(10), c=color, cmap='viridis', vmin=0, vmax=1)
    plt.colorbar(ax=axs.ravel().tolist(), shrink=0.6)
    plt.show()

shared_colorbar_example()

由于上面的大多数答案都演示了在二维矩阵上的用法，因此我使用了一个简单的散点图。shrink关键字是可选的，用于调整颜色条的大小。

如果未指定vmin和，vmax则此方法将自动分析所有子图，以找出颜色条上要使用的最小值和最大值。上述方法在使用fig.colorbar(im)扫描时，仅扫描作为参数传递的图像，以获取颜色条的最小值和最大值。

结果：

运行上述代码片段的结果

相关推荐
置顶 2024年20款好用的项目管理软件推荐，项目管理提效的20个工具和技巧
2024年20款好用的项目管理软件推荐，项目管理提效的20个工具和技巧
  为什么项目管理通常仍然耗时且低效？您是否还在反复更新电子表格、淹没在便利贴中并参加每周更新会议？这确实是耗费时间和精力。借助软件工具的帮助，您可以一目了然地全面了解您的项目。如今，国内外有足够多优秀的项目管理软件可以帮助您掌控每个项目。什么是项目管理软件？项目管理软件是广泛行业用于项目规划、资源分配和调度的软件。它使项...
项目管理软件   1259  
IPD流程管理如何提升企业创新能力
IPD流程管理如何提升企业创新能力
  IPD（Integrated Product Development）流程管理作为一种先进的产品开发管理理念和方法，在提升企业创新能力方面发挥着至关重要的作用。它打破了传统产品开发过程中部门之间的壁垒，通过整合资源、优化流程，实现产品的快速、高效开发，为企业在激烈的市场竞争中赢得优势。IPD流程管理的核心概念IPD流程...
IPD流程中PDCP是什么意思   11  
IPD流程管理中的团队协作关键因素
IPD流程管理中的团队协作关键因素
  IPD（Integrated Product Development）流程管理作为一种先进的产品开发管理模式，旨在通过整合各种资源，实现产品的高效、高质量开发。在这一过程中，团队协作无疑是成功的关键。有效的团队协作能够打破部门壁垒，促进信息共享，提升决策效率，从而确保产品开发项目顺利推进。接下来，我们将深入探讨IPD流...
IPD培训课程   9  
IPD研发管理体系对项目周期的影响分析
IPD研发管理体系对项目周期的影响分析
  IPD（Integrated Product Development）研发管理体系作为一种先进的产品开发理念和方法，在众多企业中得到了广泛应用。它旨在打破部门壁垒，整合资源，实现产品开发的高效、协同与创新。在项目周期方面，IPD研发管理体系有着深远且多维度的影响，深入剖析这些影响，对于企业优化产品开发流程、提升市场竞争...
华为IPD流程   11  
IPD流程管理的五个阶段及其重要性
IPD流程管理的五个阶段及其重要性
  IPD（Integrated Product Development）流程管理是一种先进的产品开发管理模式，旨在通过整合企业的各种资源，实现产品的高效、高质量开发。它涵盖了从产品概念提出到产品退市的整个生命周期，对企业的发展具有至关重要的意义。接下来将详细阐述IPD流程管理的五个阶段及其重要性。概念阶段概念阶段是IPD...
IPD概念阶段   12  
热门文章
2024年项目管理软件排行榜
2024年20款好用的项目管理软件推荐，项目管理提效的20个工具和技巧
img020
使用 Python 'Requests' 模块的代理
img044
10个项目管理常见问题解答：包括难点和解决方法
项目管理软件
项目延期的原因有哪些？如何有效预防和管理？
项目里程碑计划模板
项目里程碑计划模板怎么写?设定项目里程碑的5个方法
项目管理软件
项目管理指南：制定项目实施计划的6大步骤有哪些？
img081
工程项目管理中的团队建设与激励策略
项目管理软件有哪些？
热门标签
更多>
IPD流程 项目管理 IT项目管理 敏捷开发 项目管理软件 Scrum 敏捷项目管理 IPD流程管理 项目风险管理 项目管理工具 项目经理 极限编程  产品管理  项目经理职责 项目路线图 项目进度管理 测试管理工具 项目预算管理 PMP认证 瀑布式管理 项目范围管理 IT科技 项目管理平台 工程项目管理 项目资源管理 pmp证书考试
云禅道AD
禅道项目管理软件

云端的项目管理软件

尊享禅道项目软件收费版功能

无需维护，随时随地协同办公

内置subversion和git源码管理

每天备份，随时转为私有部署

免费试用