Крепежный цвет в рассеянных участках в Matplotlib
https://stackoverflow.com/questions/2925806
-
05-10-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianВопрос
Я хочу зафиксировать диапазон цвета на несколько графиков разбросов и добавлять в коротвущую панель на каждый график (который будет одинаковым в каждой фигуре). По сути, я исправляю все аспекты осей и цветов и т. Д. Так что участки непосредственно сопоставимы на глаз.
За жизнь меня я не могу понять все различные способы фиксации цветового диапазона. Я попробовал VMIN, Vmax, но, похоже, ничего не делают, я также пытался помнуть (x, y), и это тоже не работает.
Это должно прийти сюда и там, я не могу быть единственным, кто хочет сравнить различные подмножества данных среди участков ... Итак, как вы исправите цвета, чтобы каждый данные сохраняли его цвет между участками и не Получите перезагружение к другому цвету из-за изменений в Max / Min под подмножеством -V- весь набор?
Решение
Настройка VMIN и VMAX должны сделать это.
Вот пример:
import matplotlib.pyplot as plt
xyc = range(20)
plt.subplot(121)
plt.scatter(xyc[:13], xyc[:13], c=xyc[:13], s=35, vmin=0, vmax=20)
plt.colorbar()
plt.xlim(0, 20)
plt.ylim(0, 20)
plt.subplot(122)
plt.scatter(xyc[8:20], xyc[8:20], c=xyc[8:20], s=35, vmin=0, vmax=20)
plt.colorbar()
plt.xlim(0, 20)
plt.ylim(0, 20)
plt.show()
И сюжет это производит:
Другие советы
Хорошо, это не на самом деле - но последующее наблюдение. Результаты моего кодирования, изменяющего код Тома выше. [Не уверены, что я хочу удалить флажок ответа, поскольку код выше работает, и является ответом на вопрос!
Это не работает для моих данных !! Ниже приведен модифицированный код, который можно использовать с моими данными для создания сюжета, который не работал для меня для какой-то странной причины. Вход пришел в виде функций H5PY (импорт файла данных HDF5).
В приведенном ниже RF85 представляет собой подмножество массивов для большой партии экспериментов, в которых радиочастотная мощность, применяемая к системе, составляла приблизительно 85 Вт. Я в основном нарезаю и выравнив данные различными способами, чтобы попытаться увидеть тенденцию. Это 85 Вт по сравнению с полным набором данных, который текущий вход (есть больше данных, но это то, что у меня сейчас).
import numpy
import matplotlib.pyplot as plt
CurrentsArray = [array([ 0.83333333, 0.8 , 0.57142857, 0.83333333, 1.03333333,
0.25 , 0.81666667, 0.35714286, 0.26 , 0.57142857,
0.83333333, 0.47368421, 0.80645161, 0.47368421, 0.52631579,
0.36666667, 0.47368421, 0.57142857, 0.47368421, 0.47368421,
0.47368421, 0.47368421, 0.47368421, 0.61764706, 0.81081081,
0.41666667, 0.47368421, 0.47368421, 0.45 , 0.73333333,
0.8 , 0.8 , 0.8 , 0.47368421, 0.45 ,
0.47368421, 0.83333333, 0.47368421, 0.22222222, 0.32894737,
0.57142857, 0.83333333, 0.83333333, 1. , 1. ,
0.46666667])]
growthTarray = [array([ 705., 620., 705., 725., 712., 705., 680., 680., 620.,
660., 660., 740., 721., 730., 720., 720., 730., 705.,
690., 705., 680., 715., 705., 670., 705., 705., 650.,
725., 725., 650., 650., 650., 714., 740., 710., 717.,
737., 740., 660., 705., 725., 650., 710., 703., 700., 650.])]
CuSearray = [array([ 0.46395015, 0.30287259, 0.43496888, 0.46931773, 0.47685844,
0.44894925, 0.50727844, 0.45076198, 0.44977095, 0.41455029,
0.38089693, 0.98174953, 0.48600461, 0.65466528, 0.40563053,
0.22990327, 0.54372179, 0.43143358, 0.92515847, 0.73701742,
0.64152173, 0.52708783, 0.51794063, 0.49 , 0.48878252,
0.45119732, 0.2190089 , 0.43470776, 0.43509758, 0.52697697,
0.21576805, 0.32913721, 0.48828072, 0.62201997, 0.71442359,
0.55454867, 0.50981136, 0.48212956, 0.46 , 0.45732419,
0.43402525, 0.40290777, 0.38594786, 0.36777306, 0.36517926,
0.29880924])]
PFarray = [array([ 384., 285., 280., 274., 185., 185., 184., 184., 184.,
184., 184., 181., 110., 100., 100., 100., 85., 85.,
84., 84., 84., 84., 84., 84., 84., 84., 84.,
84., 84., 84., 84., 84., 27., 20., 5., 5.,
1., 0., 0., 0., 0., 0., 0., 0., 0., 0.])]
rf85growthTarray = [array([ 730., 705., 690., 705., 680., 715., 705., 670., 705.,
705., 650., 725., 725., 650., 650., 650.])]
rf85CuSearray = [array([ 0.54372179, 0.43143358, 0.92515847, 0.73701742, 0.64152173,
0.52708783, 0.51794063, 0.49 , 0.48878252, 0.45119732,
0.2190089 , 0.43470776, 0.43509758, 0.52697697, 0.21576805,
0.32913721])]
rf85PFarray = [array([ 85., 85., 84., 84., 84., 84., 84., 84., 84., 84., 84.,
84., 84., 84., 84., 84.])]
rf85CurrentsArray = [array([ 0.54372179, 0.43143358, 0.92515847, 0.73701742, 0.64152173,
0.52708783, 0.51794063, 0.49 , 0.48878252, 0.45119732,
0.2190089 , 0.43470776, 0.43509758, 0.52697697, 0.21576805,
0.32913721])]
Datavmax = max(max(CurrentsArray))
Datavmin = min(min(CurrentsArray))
plt.subplot(121)
plt.scatter(growthTarray, CuSearray, PFarray, CurrentsArray, vmin=Datavmin, vmax=Datavmax, alpha=0.75)
plt.colorbar()
plt.xlim(600,760)
plt.ylim(0,2.5)
plt.subplot(122)
plt.scatter(rf85growthTarray, rf85CuSearray, rf85PFarray, rf85CurrentsArray, vmin=Datavmin, vmax=Datavmax, alpha=0.75)
plt.colorbar()
plt.xlim(600,760)
plt.ylim(0,2.5)
plt.show()
И, наконец, выход:
Обратите внимание, что это не идеальный вывод для моей работы, но я не потратил усилия, делая его идеальным. Однако, что важно: dataPoints, которые вы узнаете как то же самое между участками не содержат того же цвета Как должно быть, в зависимости от применения VMIN VMAX выше (как предлагает код Тома).
Это безумие. :( Я надеюсь, что кто-то может пролить свет на это для меня! Я уверен, что мой код не так здорово, поэтому, пожалуйста, не беспокойтесь об оскорблении, когда дело доходит до моего кода !!
Дополнительная сумка Firey-Hot Cheetos для всех, кто может предложить путь вперед. -Алле
Обновление - Tom10 поймал проблему - Я непреднамеренно использовал неправильные данные для одной из моих подпрограмм, в результате чего значения дают разные уровни цвета, чем ожидалось (т. Е. Мои данные были неверными!) Большие реквизиты Тома за это, я бы хотел дать ему другой -Вот, но из-за моего метода задавать этот вопрос, я не могу (извините Том!)
Пожалуйста, также смотрите его замечательный пример построения текста на позициях данных, упомянутых ниже.
Вот обновленное изображение, показывающее, что метод Tom's действительно работает, и что заговор был проблемой в моем собственном коде:
