将gnuplot颜色映射转换为matplotlib

我正在尝试将一些绘图代码从gnuplot移植到matplotlib，并且正在努力移植由颜色名称指定的不连续颜色映射关于如何在matplotlib中执行此操作，有什么建议吗？

# Establish a 3-section color palette with lower 1/4 in the blues, 
# and middle 1/2 light green to yellow, and top 1/4 reds
set palette defined (0 'dark-blue', 0.5 'light-blue', \\
                     0.5 'light-green', 1 'green', 1.5 'yellow', \\
                     1.5 'red', 2 'dark-red')
# Establish that the palette range, such that the middle green range corresponds
# to 0.95 to 1.05
set cbrange [0.9:1.1]

---

我已经使用这个脚本很多年了，我真的不记得我是如何或从哪里得到它的（编辑：经过一些搜索，似乎是源代码，但它需要对Python3进行一些小的更改），但它在快速创建自定义颜色贴图方面帮了我很大的忙。它允许您简单地指定一个包含位置（

0..1

）和颜色的字典，并由此创建一个线性颜色映射；e、 g.

make_colormap（{0:'w'，1:'k'}）

创建从白色到黑色的线性颜色贴图

import numpy as np
import matplotlib.pylab as pl

def make_colormap(colors):
    from matplotlib.colors import LinearSegmentedColormap, ColorConverter
    from numpy import sort

    z  = np.array(sorted(colors.keys()))
    n  = len(z)
    z1 = min(z)
    zn = max(z)
    x0 = (z - z1) / (zn - z1)

    CC = ColorConverter()
    R = []
    G = []
    B = []
    for i in range(n):
        Ci = colors[z[i]]      
        if type(Ci) == str:
            RGB = CC.to_rgb(Ci)
        else:
            RGB = Ci
        R.append(RGB[0])
        G.append(RGB[1])
        B.append(RGB[2])

    cmap_dict = {}
    cmap_dict['red']   = [(x0[i],R[i],R[i]) for i in range(len(R))]
    cmap_dict['green'] = [(x0[i],G[i],G[i]) for i in range(len(G))]
    cmap_dict['blue']  = [(x0[i],B[i],B[i]) for i in range(len(B))]
    mymap = LinearSegmentedColormap('mymap',cmap_dict)
    return mymap

test1 = make_colormap({0.:'#40004b',0.5:'#ffffff',1.:'#00441b'})
test2 = make_colormap({0.:'b',0.25:'w',0.251:'g',0.75:'y',0.751:'r',1:'k'})

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

pl.figure()
pl.subplot(121)
pl.imshow(data, interpolation='nearest', cmap=test1) 
pl.colorbar()

pl.subplot(122)
pl.imshow(data, interpolation='nearest', cmap=test2) 
pl.colorbar()

---

我已经使用这个脚本很多年了，我真的不记得我是如何或从哪里得到它的（编辑：经过一些搜索，似乎是源代码，但它需要对Python3进行一些小的更改），但它在快速创建自定义颜色贴图方面帮了我很大的忙。它允许您简单地指定一个包含位置（

0..1

）和颜色的字典，并由此创建一个线性颜色映射；e、 g.

make_colormap（{0:'w'，1:'k'}）

创建从白色到黑色的线性颜色贴图

import numpy as np
import matplotlib.pylab as pl

def make_colormap(colors):
    from matplotlib.colors import LinearSegmentedColormap, ColorConverter
    from numpy import sort

    z  = np.array(sorted(colors.keys()))
    n  = len(z)
    z1 = min(z)
    zn = max(z)
    x0 = (z - z1) / (zn - z1)

    CC = ColorConverter()
    R = []
    G = []
    B = []
    for i in range(n):
        Ci = colors[z[i]]      
        if type(Ci) == str:
            RGB = CC.to_rgb(Ci)
        else:
            RGB = Ci
        R.append(RGB[0])
        G.append(RGB[1])
        B.append(RGB[2])

    cmap_dict = {}
    cmap_dict['red']   = [(x0[i],R[i],R[i]) for i in range(len(R))]
    cmap_dict['green'] = [(x0[i],G[i],G[i]) for i in range(len(G))]
    cmap_dict['blue']  = [(x0[i],B[i],B[i]) for i in range(len(B))]
    mymap = LinearSegmentedColormap('mymap',cmap_dict)
    return mymap

test1 = make_colormap({0.:'#40004b',0.5:'#ffffff',1.:'#00441b'})
test2 = make_colormap({0.:'b',0.25:'w',0.251:'g',0.75:'y',0.751:'r',1:'k'})

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

pl.figure()
pl.subplot(121)
pl.imshow(data, interpolation='nearest', cmap=test1) 
pl.colorbar()

pl.subplot(122)
pl.imshow(data, interpolation='nearest', cmap=test2) 
pl.colorbar()

---

巴特的功能非常好。但是，如果您想自己制作颜色映射，您可以使用字典定义这样的颜色映射，就像在中所做的那样

下面是一个非常接近您的颜色贴图的示例：

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

cdict = {'red':   ((0.0,  0.0, 0.0),   # From 0 to 0.25, we fade the red and green channels
                   (0.25, 0.5, 0.5),   # up a little, to make the blue a bit more grey

                   (0.25, 0.0, 0.0),   # From 0.25 to 0.75, we fade red from 0.5 to 1
                   (0.75, 1.0, 1.0),   # to fade from green to yellow

                   (1.0,  0.5, 0.5)),  # From 0.75 to 1.0, we bring the red down from 1
                                       # to 0.5, to go from bright to dark red

         'green': ((0.0,  0.0, 0.0),   # From 0 to 0.25, we fade the red and green channels
                   (0.25, 0.6, 0.6),   # up a little, to make the blue a bit more grey

                   (0.25, 1.0, 1.0),   # Green is 1 from 0.25 to 0.75 (we add red 
                   (0.75, 1.0, 1.0),   # to turn it from green to yellow)

                   (0.75, 0.0, 0.0),   # No green needed in the red upper quarter
                   (1.0,  0.0, 0.0)),

         'blue':  ((0.0,  0.9, 0.9),   # Keep blue at 0.9 from 0 to 0.25, and adjust its
                   (0.25, 0.9, 0.9),   # tone using the green and red channels

                   (0.25, 0.0, 0.0),   # No blue needed above 0.25
                   (1.0,  0.0, 0.0))

             }

cmap = colors.LinearSegmentedColormap('BuGnYlRd',cdict)

data = 0.9 + (np.random.rand(8,8) * 0.2)  # Data in range 0.9 to 1.1

p=plt.imshow(data,interpolation='nearest',cmap=cmap,vmin=0.9,vmax=1.1)

plt.colorbar(p)

plt.show()

---

巴特的功能非常好。但是，如果您想自己制作颜色映射，您可以使用字典定义这样的颜色映射，就像在中所做的那样

下面是一个非常接近您的颜色贴图的示例：

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

cdict = {'red':   ((0.0,  0.0, 0.0),   # From 0 to 0.25, we fade the red and green channels
                   (0.25, 0.5, 0.5),   # up a little, to make the blue a bit more grey

                   (0.25, 0.0, 0.0),   # From 0.25 to 0.75, we fade red from 0.5 to 1
                   (0.75, 1.0, 1.0),   # to fade from green to yellow

                   (1.0,  0.5, 0.5)),  # From 0.75 to 1.0, we bring the red down from 1
                                       # to 0.5, to go from bright to dark red

         'green': ((0.0,  0.0, 0.0),   # From 0 to 0.25, we fade the red and green channels
                   (0.25, 0.6, 0.6),   # up a little, to make the blue a bit more grey

                   (0.25, 1.0, 1.0),   # Green is 1 from 0.25 to 0.75 (we add red 
                   (0.75, 1.0, 1.0),   # to turn it from green to yellow)

                   (0.75, 0.0, 0.0),   # No green needed in the red upper quarter
                   (1.0,  0.0, 0.0)),

         'blue':  ((0.0,  0.9, 0.9),   # Keep blue at 0.9 from 0 to 0.25, and adjust its
                   (0.25, 0.9, 0.9),   # tone using the green and red channels

                   (0.25, 0.0, 0.0),   # No blue needed above 0.25
                   (1.0,  0.0, 0.0))

             }

cmap = colors.LinearSegmentedColormap('BuGnYlRd',cdict)

data = 0.9 + (np.random.rand(8,8) * 0.2)  # Data in range 0.9 to 1.1

p=plt.imshow(data,interpolation='nearest',cmap=cmap,vmin=0.9,vmax=1.1)

plt.colorbar(p)

plt.show()

---

恐怕matplotlib没有1:1的翻译。看看CDICT和

LinearSegmentedColormap

，但你必须使用RGB值（我必须承认，理解这些CDICT并不难），例如，我担心matplotlib没有1:1的翻译。看看CDICT和

LinearSegmentedColormap

，但你必须使用RGB值（我必须承认，理解这些CDICT并不是一件难事），例如，这确实非常接近。是否可以将此活动范围从0.9缩放到1.1，而不是从0缩放到1？是的，这很简单，颜色贴图不需要更改。您只需更改

imshow

的数据范围和

vmin

和

vmax

。我将对答案进行编辑，让您看到完美的答案，很好地解释了每种颜色通道的颜色贴图语法。这确实非常接近。是否可以将此活动范围从0.9缩放到1.1，而不是从0缩放到1？是的，这很简单，颜色贴图不需要更改。您只需更改

imshow

的数据范围和

vmin

和

vmax

。我将对答案进行编辑，让您看到完美的答案，很好地解释了每种颜色通道的颜色贴图语法。非常好。该函数有助于隐藏独立指定颜色通道的复杂性。是否可以将激活范围从0.9缩放到1.1，而不是从0缩放到1？在

make_colormap（{0:'w'，0.5:'k'，0.5:'r'，1:'b'）中指定重复值是否有效
？对于
0.9--1.1
范围，请参阅Toms答案（此处同样适用）。重复值目前不起作用（我刚刚测试过）；我会使用实用的方法，简单地使用
（{0:'w'，0.5:'k'，0.500000000001:'r'，1:'b'}）
，但是您可以更改函数并自动为重复值执行此操作。啊，这是有意义的。太糟糕了，matplotlib中没有内置类似的内容。本机每通道颜色贴图语法不直观。非常好。该函数有助于隐藏独立指定颜色通道的复杂性。是否可以将激活范围从0.9缩放到1.1，而不是从0缩放到1？在
make_colormap（{0:'w'，0.5:'k'，0.5:'r'，1:'b'）中指定重复值是否有效
？对于
0.9--1.1
范围，请参阅Toms答案（此处同样适用）。重复值目前不起作用（我刚刚测试过）；我会使用实用的方法，简单地使用
（{0:'w'，0.5:'k'，0.500000000001:'r'，1:'b'}）
，但是您可以更改函数并自动为重复值执行此操作。啊，这是有意义的。太糟糕了，matplotlib中没有内置类似的内容。本机每通道颜色贴图语法不直观。