python-3.x - 如何从大列表中选择特定数量的颜色以显示在颜色栏中？- Matplotlib

Question

我绘制了一些包含 70 个类的数据，所以当我构建颜色条时，很难区分每个图例，如下所示：

我正在使用的代码是：

formation_colors = # 70 colors
formation_labels = # 70 labels
data = # the section of the entire dataset which only has 13  labels


data = data.sort_values(by='DEPTH_MD')
ztop=data.DEPTH_MD.min(); zbot=data.DEPTH_MD.max() 

cmap_formations = colors.ListedColormap(formation_colors[0:len(formation_colors)], 'indexed')
cluster_f = np.repeat(np.expand_dims(data['Formations'].values,1), 100, 1)

fig = plt.figure(figsize=(2,10))
ax = fig.add_subplot()
im_f = ax.imshow(cluster_f, interpolation='none', aspect='auto', cmap = cmap_formations, vmin=0, vmax=69)   
ax.set_xlabel('FORMATION')
ax.set_xticklabels(['']);

divider_f = make_axes_locatable(ax)
cax_f = divider_f.append_axes("right", size="20%", pad=0.05)
cbar_f = plt.colorbar(im_f, cax = cax_f,)

cbar_f.set_ticks(range(0,len(formation_labels))); cbar_f.set_ticklabels(formation_labels)

到目前为止，如果我只是改变：

   1. cmap_formations = colors.ListedColormap(formation_colors[0:len(formation_colors)], 'indexed') 
   2. cbar_f.set_ticks(range(0,len(formation_labels))); cbar_f.set_ticklabels(formation_labels)

至：

cmap_formations = colors.ListedColormap(formation_colors[0:len(data['FORMATION'].unique())], 'indexed') 

cbar_f.set_ticks(range(0,len(data['FORMATION'].unique()))); cbar_f.set_ticklabels(data['FORMATION'].unique())

我明白了，cbar 中的相应颜色，但是情节不再正确，而且图例也不合适

如果您知道如何执行此操作，非常感谢。

标签： python-3.xpandasmatplotlibcolorbarimshow

Answer 1

虽然问题中没有明确提到，但我想包含从到到列表的data['FORMATION']索引和069formation_colorsformation_labels

主要问题是data['FORMATION']需要重新编号为新索引（0直到数字12）到新的唯一颜色列表中。 np.unique(..., return_inverse=True)返回唯一编号列表和值的重新编号。

为了能够重新索引颜色和标签列表，将它们转换为 numpy 数组会有所帮助。

为了使代码更易于调试，以下测试使用颜色列表和标签列表之间的简单关系。

from matplotlib import pyplot as plt
from matplotlib import colors
from mpl_toolkits.axes_grid1.axes_divider import make_axes_locatable
import numpy as np
import pandas as pd

formation_colors = np.random.choice(list(colors.CSS4_COLORS), 70, replace=False)  # 70 random color names
formation_labels = ['lbl_' + c for c in formation_colors]  # 70 labels
formation_colors = np.asarray(formation_colors)
formation_labels = np.asarray(formation_labels)

f = np.random.randint(0, 70, 13)
d = np.sort(np.random.randint(0, 5300, 13))
data = pd.DataFrame({'FORMATION': np.repeat(f, np.diff(np.append(0, d))),
                     'DEPTH_MD': np.arange(d[-1])})
data = data.sort_values(by='DEPTH_MD')

ztop = data['DEPTH_MD'].min()
zbot = data['DEPTH_MD'].max()

unique_values, formation_new_values = np.unique(data['FORMATION'], return_inverse=True)
cmap_formations = colors.ListedColormap(formation_colors[unique_values], 'indexed')
cluster_f = formation_new_values.reshape(-1, 1)

fig = plt.figure(figsize=(3, 10))
ax = fig.add_subplot()
im_f = ax.imshow(cluster_f, extent=[0, 1, zbot, ztop],
                 interpolation='none', aspect='auto', cmap=cmap_formations, vmin=0, vmax=len(unique_values)-1)
ax.set_xlabel('FORMATION')
ax.set_xticks([])

divider_f = make_axes_locatable(ax)
cax_f = divider_f.append_axes("right", size="20%", pad=0.05)
cbar_f = plt.colorbar(im_f, cax=cax_f)

cbar_f.set_ticks(np.linspace(0, len(unique_values)-1, 2*len(unique_values)+1)[1::2])
cbar_f.set_ticklabels(formation_labels[unique_values])

plt.subplots_adjust(left=0.2, right=0.5)
plt.show()

这是一个比较图：