Python中的散点图和颜色映射

我有一些点x和y存储在numpy数组中。它们代表x（t）和y（t），其中t = 0 ... T-1

我正在使用绘制散点图

import matplotlib.pyplot as plt

plt.scatter(x,y)
plt.show()

我想要一个代表时间的色图（因此根据numpy数组中的索引为点着色）

这样做最简单的方法是什么？

这是一个例子

import numpy as np
import matplotlib.pyplot as plt

x = np.random.rand(100)
y = np.random.rand(100)
t = np.arange(100)

plt.scatter(x, y, c=t)
plt.show()

在这里，您根据索引设置颜色，该索引t只是的数组[1, 2, ..., 100]。

也许一个更容易理解的例子稍微更简单

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)
y = x
t = x
plt.scatter(x, y, c=t)
plt.show()

请注意，您传递的数组c不需要具有任何特定的顺序或类型，即，不需要像这些示例中那样对数组或整数进行排序。绘制例程将缩放颜色图，以使最小值/最大值c对应于颜色图的底部/顶部。

色彩图

您可以通过添加来更改颜色图

import matplotlib.cm as cm
plt.scatter(x, y, c=t, cmap=cm.cmap_name)

导入matplotlib.cm是可选的，因为您也可以调用颜色图cmap="cmap_name"。有一个颜色图的参考页，显示每个图的外观。还知道您可以通过简单地将其称为来反转颜色图cmap_name_r。所以要么

plt.scatter(x, y, c=t, cmap=cm.cmap_name_r)
# or
plt.scatter(x, y, c=t, cmap="cmap_name_r")

将工作。例如"jet_r"或cm.plasma_r。这是新的1.5颜色图viridis的示例：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)
y = x
t = x
fig, (ax1, ax2) = plt.subplots(1, 2)
ax1.scatter(x, y, c=t, cmap='viridis')
ax2.scatter(x, y, c=t, cmap='viridis_r')
plt.show()

彩条

您可以使用添加色条

plt.scatter(x, y, c=t, cmap='viridis')
plt.colorbar()
plt.show()

请注意，如果您明确使用图形和子图（例如fig, ax = plt.subplots()或ax = fig.add_subplot(111)），则添加颜色条可能会涉及更多。可以在此处找到单个子图颜色条的良好示例，在此处为2个子图1个颜色条找到良好的示例。

要添加到上述wflynny的答案中，您可以在此处找到可用的颜色图

例：

import matplotlib.cm as cm
plt.scatter(x, y, c=t, cmap=cm.jet)

或者，

plt.scatter(x, y, c=t, cmap='jet')

子图颜色栏

对于具有散点图的子图，您可以通过在辅助图形的帮助下构建“可映射”，然后将其添加到原始图形中，从而在轴上欺骗颜色栏。

作为以上示例的继续：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(10)
y = x
t = x
fig, (ax1, ax2) = plt.subplots(1, 2)
ax1.scatter(x, y, c=t, cmap='viridis')
ax2.scatter(x, y, c=t, cmap='viridis_r')


# Build your secondary mirror axes:
fig2, (ax3, ax4) = plt.subplots(1, 2)

# Build maps that parallel the color-coded data
# NOTE 1: imshow requires a 2-D array as input
# NOTE 2: You must use the same cmap tag as above for it match
map1 = ax3.imshow(np.stack([t, t]),cmap='viridis')
map2 = ax4.imshow(np.stack([t, t]),cmap='viridis_r')

# Add your maps onto your original figure/axes
fig.colorbar(map1, ax=ax1)
fig.colorbar(map2, ax=ax2)
plt.show()

请注意，您还将输出一个可以忽略的辅助图形。