Python可视化 matplotlib画图使用colorbar工具自定义颜色
这篇文章主要介绍了python可视化 matplotlib画图使用colorbar工具自定义颜色，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
python matplotlib画图使用colorbar工具自定义颜色 colorbar（draw colorbar without any mapple/plot）
自定义colorbar可以画出任何自己想要的colorbar，自由自在、不受约束，不依赖于任何已有的图(plot/mappable)。这里使用的是mpl.colorbar.ColorbarBase类，而colorbar类必须依赖于已有的图。
参数可以参考下面的描述->
matplotlib
：
class matplotlib.colorbar.ColorbarBase(ax, cmap=None, norm=None, alpha=None, values=None, boundaries=None, orientation=‘vertical', ticklocation=‘auto', extend=‘neither', spacing=‘uniform', ticks=None, format=None, drawedges=False, filled=True, extendfrac=None, extendrect=False, label='')[source]
参数简单描述
- ax :可用于设置colorbar的位置、长、宽
- norm :用于规范化–设置颜色条最大最小值
- cmap：颜色（可参考本篇博文的最后部分——推荐色带与自定义色带）
- boundaries：要想使用extend，在norm之外，必须要有两个额外的boundaries
- orientation：colorbar方向，躺平or垂直
- extend：延伸方向(在norm之外colorbar可延伸)
- ticks：自定义各段的tick（记号）给一个例子，首先定义一下横纵坐标的名称，以及df_int：
给一个例子，首先定义一下横纵坐标的名称，以及df_int：
labels_int = ['A', 'B', 'C', 'D']
variables_int = ['A', 'B', 'C', 'D']
# x_normed_int 可以是一个4*4的数组，经过归一化的
df_int = pd.DataFrame(, columns=variables_int, index=labels_int)
接下来就是画图了：
fig = plt.figure()
ax = fig.add_subplot(111)
cax = ax.matshow(df, interpolation='nearest', cmap='GnBu')
fig.colorbar(cax)
tick_spacing = 1
ax.xaxis.set_major_locator(ticker.MultipleLocator(tick_spacing))
ax.yaxis.set_major_locator(ticker.MultipleLocator(tick_spacing))
ax.set_xticklabels([''] + list(df.columns))
ax.set_yticklabels([''] + list(df.index))
plt.show ()
其中：
cax = ax.matshow(df, interpolation='nearest', cmap='GnBu')
可以通过cmap修改，得到不同的颜色带
最终可以看到结果如下图：
到此这篇关于python可视化 matplotlib画图使用colorbar工具自定义颜色的文章就介绍到这了,想要知道更多Python学习内容请关注我，学习不迷路噢。
本文转载于：