Python 3.x 基于数据数组为直方图创建颜色贴图

我已经在很多地方寻找了如何做到这一点，但还没有找到我需要的东西/找到验证（如果可能的话）

我有一个y轴高度的2d直方图（由rdata1给出）和x轴强度的2d直方图（由强度给出）。柱状图绘制得很好，但我想缩放颜色条，而不是使其正常化

我已经定义了一个彩色地图，我只是想用我绘制的数据来缩放它

我希望缩放数据，以便colorbar（当前从0-1运行）从0缩放到（bin中的点数）/（len（time））。这是为了我能找出某个点在某个高度的某个强度箱中的概率。我不确定是制作第二个柱状图（我不会绘制）并从中导出最大/最小值以缩放色条，还是使用许多for循环和列表将值附加到每个高度范围的存储箱中，然后最大/最小这些存储箱中的值

代码如下：

import numpy as np
import file_reader as fr
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
import matplotlib as mpl

time = [0.01649999991059303, 0.02584999985992908]
rdata = [-600.020751953125, -570.04150390625, -540.062255859375, -510.0830078125, -480.1037902832031, -450.1245422363281, -420.1452941894531, -390.1660461425781, -360.1867980957031, -330.2075500488281]
intensity = [[-37.32464981079102, -38.3233528137207], [-37.70231628417969, -38.05134201049805], [-38.27889251708984, -38.82979583740234], [-28.01022720336914, -27.68825912475586], [-8.408446311950684, -8.440451622009277], [-8.749446868896484, -8.750232696533203], [-9.431790351867676, -9.41820240020752], [-10.09048461914062, -10.23848724365234], [-10.84317588806152, -10.84869194030762], [-11.61933135986328, -11.67543029785156]]

range_bins = np.linspace(rdata[0],rdata[-1],(len(rdata)+1))
intensity_bins = np.linspace(-70,30,100)

intensity = np.array(intensity).ravel()
rdata1 = np.repeat(rdata,len(time))

cdict = {'red': ((0.0, 1.0, 1.0),
                 (0.25, 0.0, 0.0),
                 (0.55, 0.35, 0.35),
                 (0.75, 0.75, 0.75),
                 (1.0, 1.0, 1.0)),

       'green': ((0.0, 1.0, 1.0),
                 (0.25, 0.1, 0.1),
                 (0.55, 0.6, 0.6),
                 (0.75, 0.8, 0.8),
                 (1.0, 0.0, 0.0)),

        'blue': ((0.0, 1.0, 1.0),
                 (0.25, 1.0, 1.0),
                 (0.55, 0.2, 0.2),
                 (0.75, 0.1, 0.1),
                 (1.0, 0.0, 0.0))
        }

radar_map = LinearSegmentedColormap('radar_map', cdict)

H, range_bins, intensity_bins = np.histogram2d(rdata1,intensity,bins=(range_bins,intensity_bins))

fig = plt.figure()
X,Y = np.meshgrid(intensity_bins,range_bins)
plt.pcolormesh(X,Y,H, cmap=radar_map)

cax = fig.add_axes([0.95, 0.2, 0.02, 0.6])
cb = mpl.colorbar.ColorbarBase(cax, cmap=radar_map, spacing='proportional')

---

对此，我们将不胜感激。抱歉，这篇文章太长了。

目前，颜色栏独立于显示的pcolormesh。 如果将颜色栏链接到pcolormesh，它将自动缩放到绘图的最小和最大级别。使用

plt.colorbar（pc）

，其中

pc

是pcolormesh的返回值

要规范化直方图计数，您可以将直方图除以所需的任何数量，例如：

plt.pcolormesh( X,Y,H/float(len(time)) )

例如：

fig = plt.figure()
X,Y = np.meshgrid(intensity_bins,range_bins)
pc = plt.pcolormesh(X,Y,H/float(len(time)), cmap=radar_map)

cax = fig.add_axes([0.90, 0.2, 0.02, 0.6])
cb = plt.colorbar(pc, cax=cax)

---

您是否愿意提供一个问题的解决方案（这样就不需要对需要在代码中放置样本数据的位置进行反向工程）。我编辑了我的帖子，希望能进一步澄清我的问题