Matplotlib按列着色|极客教程

Matplotlib按列着色

在使用Matplotlib绘制图形时，我们经常需要根据数据的不同列来对不同的元素进行着色。这可以帮助我们更清晰地展示数据之间的关系和差异。本文将详细介绍如何使用Matplotlib按列着色。

1. 按照第一列数据着色

在这个示例中，我们将根据数据的第一列来着色。我们首先需要导入Matplotlib库，并生成一些示例数据。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

接下来，我们可以使用第一列的数据来定义每个数据点的颜色。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

colors = data[:, 0]
plt.scatter(data[:, 1], data[:, 2], c=colors, cmap='viridis')
plt.colorbar()
plt.show()

Output:

Matplotlib按列着色

2. 按照最后一列数据着色

类似地，我们也可以根据最后一列的数据来定义颜色。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

colors = data[:, -1]
plt.scatter(data[:, 1], data[:, 2], c=colors, cmap='cool')
plt.colorbar()
plt.show()

Output:

Matplotlib按列着色

3. 按照多列数据着色

有时候我们希望根据多列数据来定义颜色，这样可以更加细致地展示数据的不同特征。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

colors = data[:, 1] + data[:, 2]
plt.scatter(data[:, 0], data[:, 3], c=colors, cmap='plasma')
plt.colorbar()
plt.show()

Output:

Matplotlib按列着色

4. 自定义颜色映射

Matplotlib提供了许多内置的颜色映射，但我们也可以自定义自己的颜色映射。

from matplotlib.colors import LinearSegmentedColormap
import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

cdict = {'red':   [(0.0, 0.0, 0.0),
                   (0.5, 1.0, 1.0),
                   (1.0, 1.0, 1.0)],

         'green': [(0.0, 0.0, 0.0),
                   (0.5, 0.0, 0.0),
                   (1.0, 1.0, 1.0)],

         'blue':  [(0.0, 0.0, 0.0),
                   (0.5, 0.0, 0.0),
                   (1.0, 0.0, 0.0)]}

cmap = LinearSegmentedColormap('custom_cmap', cdict)
plt.scatter(data[:, 3], data[:, 4], c=data[:, 1], cmap=cmap)
plt.colorbar()
plt.show()

Output:

Matplotlib按列着色

5. 使用散点图以外的图形

除了散点图之外，我们还可以使用其他类型的图形来展示数据，并根据不同列着色。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

plt.bar(np.arange(10), data[:, 3], color=data[:, 1], cmap='cool')
plt.show()

6. 显示不同类别的数据

在一些分类问题中，我们希望将不同类别的数据以不同颜色展示。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

labels = np.random.randint(0, 3, size=10)
plt.scatter(data[:, 1], data[:, 2], c=labels, cmap='viridis')
plt.colorbar()
plt.show()

Output:

Matplotlib按列着色

7. 使用颜色条

颜色条可以帮助我们更清晰地理解颜色与数值的对应关系。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

plt.scatter(data[:, 2], data[:, 4], c=data[:, 0], cmap='plasma')
plt.colorbar(label='data values')
plt.show()

Output:

Matplotlib按列着色

8. 多图合并

有时候我们需要将多个图形合并在一起展示，这时可以使用subplot来实现。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

fig, axs = plt.subplots(1, 2)
axs[0].scatter(data[:, 1], data[:, 2], c=data[:, 0], cmap='viridis')
axs[1].scatter(data[:, 3], data[:, 4], c=data[:, 1], cmap='cool')
plt.show()

Output:

Matplotlib按列着色

9. 离散颜色映射

除了连续的颜色映射外，我们还可以使用离散的颜色映射来着色。

from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

cmap = ListedColormap(['red', 'green', 'blue'])
labels = np.random.randint(0, 3, size=10)
plt.scatter(data[:, 1], data[:, 2], c=labels, cmap=cmap)
plt.show()

Output:

Matplotlib按列着色

10. 设置颜色范围

有时候我们需要手动设置颜色映射的范围，可以通过vmin和vmax参数来实现。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 5)

plt.scatter(data[:, 2], data[:, 3], c=data[:, 0], cmap='plasma', vmin=0.2, vmax=0.8)
plt.colorbar()
plt.show()