我目前正在使用 python matplotlib
使用颜色图 cm.jet
将一组特征转换为视觉表示并将它们存储为 numpy.ndarrays.. 问题是我无法根据需要设置 vmin 和 vmax..
我现在正在做的是
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy as np
>>> import matplotlib
>>> from matplotlib import cm
>>> import matplotlib.pyplot as plt
>>> a = np.random.randint(5,size=(3,3))
>>> convert = plt.get_cmap(cm.jet)
>>> numpy_a = convert(a)
>>> numpy_a_limited = convert(a)
问题是 matplotlib 在给定数据集的情况下自动调整颜色范围,这意味着存储的 numpy.ndarray 的像素信息不正确。
我正在尝试修复颜色范围,以便像素信息与原始数据相关。
这是我尝试修复颜色范围的尝试。
convert = plt.get_cmap(cm.jet)
convert = convert.set_clim(vmin=-6, vmax=2)
给出我的错误消息:
AttributeError: 'LinearSegmentedColormap' object has no attribute 'set_clim'
最佳答案
为了能够使用颜色图,值的范围必须介于 0 和 1 之间。超出此范围的值将被截断,从而导致值的动态范围丢失。
因此,您需要在将数组提供给颜色图之前对其进行标准化。一种选择是使用自定义标准化函数
import matplotlib.pyplot as plt
import numpy as np
a = np.random.randint(5,size=(3,3))
cmap = plt.cm.jet
norm = lambda x: (x+2.)/(6.+2.)
converted_a = cmap(norm(a))
另一个选项是使用内置的 Normalize 实例
import matplotlib.pyplot as plt
from matplotlib.colors import Normalize
import numpy as np
a = np.random.randint(5,size=(3,3))
cmap = plt.cm.jet
norm = Normalize(vmin=-2, vmax=6)
converted_a = cmap(norm(a))
关于python - 在 plt 之外设置 matplotlib 颜色图的限制,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43550574/