pcolor：绘制美丽的颜色矩阵

pcolor是Python中一种适用于二维数组可视化的函数，可以根据提供的数据矩阵自动着色，并将结果可视化到一个坐标系中，用于显示数组中的数据分布。pcolor用法逐步介绍。

一、从pcolor改色膜

改色膜意味着改变着色方式，比如从默认的jet改变成其他颜色。使用colormap参数可以改变pcolor的颜色映射。matplotlib中有很多预定义的配色方案，包括：viridis(紫草)、plasma(血浆)、inferno(地狱)、magma(岩浆)和cividis(城市)等。

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
data_array = np.random.random((10,10))

# 绘制默认颜色矩阵
plt.subplot(121)
plt.pcolor(data_array)

# 绘制改色之后的颜色矩阵
plt.subplot(122)
plt.pcolor(data_array, cmap=plt.cm.viridis)

plt.show()

上述代码中，我们首先生成了一个随机的10×10二维数组的数据，然后使用subplot将两个图像放在同一个窗口中便于比较。第一个图使用了默认的颜色映射jet，第二个图使用了viridis。

二、color函数怎么用

color函数是定义颜色映射关系的函数，可以将标量值映射为颜色值。现在可以在pcolor中使用color函数来自定义颜色映射。

import matplotlib.pyplot as plt
import numpy as np

# 自定义颜色映射
def mymap(x):
    r = (x-0.5)*2
    g = (0.5-x)*2
    b = 0
    return (r,g,b)

# 生成随机数据
data_array = np.random.random((10,10))

# 绘制自定义颜色映射的颜色矩阵
plt.pcolor(data_array, cmap=mymap)

plt.show()

代码中我们使用了名为mymap的自定义色彩映射函数。

三、pcolormesh颜色

pcolor和pcolormesh最大的区别在于，pcolormesh参数需要读入坐标轴数组，pcolor则不需要。下面我们看一下如何使用pcolormesh。

import matplotlib.pyplot as plt
import numpy as np

# 生成坐标轴数组
x = np.arange(11)
y = np.arange(11)

# 生成随机2D数据
data_array = np.random.random((10,10))

# 绘制颜色矩阵
plt.pcolormesh(x,y,data_array)

plt.show()

代码中，我们调用pcolormesh函数时，将 x轴和 y轴的数组一起传入。pcolor函数则无需传入坐标轴数组，因此在坐标系绘制上具有更大的灵活性。

四、pcolor矩阵维度不一致

当数据矩阵维度不一致时，可以使用masked数组将需要被隐藏的部分替换为NaN来创造矩阵的不规则形状。这样可以更精细的绘制颜色矩阵。

import matplotlib.pyplot as plt
import numpy as np

# 生成数据矩阵
data_array = np.random.random((10,10))
data_array[3,4:6] = np.nan
data_array[4,3:7] = np.nan

# 创建表示mask数据是否存在的矩阵
masked_array = np.ma.masked_where(np.isnan(data_array), data_array)

# 绘制mask矩阵
plt.pcolor(masked_array, cmap=plt.cm.viridis)

plt.show()

在这个例子中，我们使用了numpy模块中的函数，将需要被隐藏的值替换成了NaN。然后我们使用ma模块的masked_where函数创建了一个表示mask数据是否存在的矩阵。最后将masked_array传递给pcolor函数，从而绘制出颜色矩阵。

五、pcolor颜色数据输入必须为矩阵

在使用时，需要保证输入的颜色数据为矩阵类型，在实践中常常会遇到数据不是矩阵的情况。这种情况下需要对数据进行重组或者转置。下面是一些处理方法。

import matplotlib.pyplot as plt
import numpy as np

# 生成数组数据
x = np.linspace(0, 10, 20)
y = np.linspace(0, 10, 10)
X,Y = np.meshgrid(x,y)
data_array = X**3 - 10*Y**2

# 用ravel()函数将data_array转化为向量
x = np.linspace(0, 10, 20)
y = np.linspace(0, 10, 10)
X,Y = np.meshgrid(x,y)
data_array = X**3 - 10*Y**2

# 将data_array转化为二维矩阵形式
z = np.reshape(data_array, (10,20)).T

# 绘制矩阵形式的颜色矩阵
plt.pcolor(z, cmap=plt.cm.viridis)

plt.show()

上述例子中数据为一维数组，我们使用numpy的reshap函数重组数据为矩阵形式，或者使用numpy的meshgrid函数将一维数组重组为二维矩阵形式。经过重组或者转制后的数据可以传递给pcolor函数，绘制颜色矩阵。

六、color函数用法

color函数是matplotlib中定义颜色的函数，可用于设置图像、曲线、文本等要素的颜色。color参数可以为多种类型，例如颜色名称，RGB颜色值，还可以使用HTML颜色字符串等。更多关于color函数的用法请参考matplotlib官方文档。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0,np.pi*2,100)
y = np.sin(x)

plt.plot(x,y,color='red') # 设置线条颜色为红色

plt.show()

代码中我们使用color参数将折线图的线条颜色设置为红色。color函数可以接受一系列字符串和元组类型的颜色值，还可以使用HTML颜色字符串和连续色彩条。关于color函数的各种参数请参考官方文档。

七、color与colour的区别

color和colour其实是个单词拼写的差别。英式英语中常用的是colour，而美式英语中则常用color。Python使用的是美式英语，因此我们在编写代码时应该使用color。

总结

绘制颜色矩阵是我们在处理数据可视化时经常用到的一种方法，pcolor是Python中绘制颜色矩阵最常见的函数之一。通过学习本文中的例子，读者可以逐步掌握pcolor的基本用法和相关技巧。

原创文章，作者：BIPZM，如若转载，请注明出处：https://www.506064.com/n/325026.html