Python 如何为面积定义的voronoi多边形着色（1/面积）？

我已经生成了一个Voronoi图，计算了面积，然后计算了形成的多边形的1/面积（通量），并找到了平均通量。我现在想用通量对多边形进行颜色编码（我只想用通量>平均通量对多边形进行着色）

Voronoi算法 列表_ra=tbdata[cut3]['ra'] list_dec=tbdata[cut3][dec'] 点=np.列\堆栈（（列表\ ra，列表\ dec）） vor=Voronoi（点数） #打印vor顶点 #打印vor区域 #打印vor.ridge\u顶点 #打印vor.ridge\u点 打印透镜（vor.点\区域） plt.绘图（点[：，0]，点[：，1]，'。） plt.绘图（vor.顶点[：，0]，vor.顶点[：，1]，“.”，markersize=0.25） plt.xlim（150.02150.21）；plt.ylim（2.26,2.45） 对于vor.ridge_顶点中的单纯形： 单工=np.asarray（单工） 如果np.all（单纯形>=0）： plt.plot（vor.顶点[simplex，0]，vor.顶点[simplex，1]，'k-'） 中心=点。平均值（轴=0） 对于pointidx，拉链中的单纯形（vor.ridge_点，vor.ridge_顶点）： 单工=np.asarray（单工） 如果np.有（单纯形<0）： i=simplex[simplex>=0][0]#有限端Voronoi顶点 t=点[pointidx[1]]-点[pointidx[0]]#切线 t=t/np.linalg.norm（t） n=np.数组（[-t[1]，t[0]]）#正常 中点=点[pointidx]。平均值（轴=0） 远点=垂直顶点[i]+np符号（np点（中点-中心，n））*n*100 plt.绘图（[vor.顶点[i，0]，远点[0]]， [vor.顶点[i，1]，远点[1]，'k--'） plt.xlabel（r'RA/deg'，尺寸=12） plt.ylabel（r'DEC/deg'，尺寸=12） plt.savefig（'Voronoi_10x10'，dpi=300） plt.show（） ############################################################################################### #多边形区域 总数=0 总计=[] 对于范围内的i（len（vor.point_区域））： 多边形坐标=[vor.顶点[y]表示vor.区域[vor.点\U区域[i]] 列表多边形坐标=np.asarray（多边形坐标） r=列表多边形坐标[：，0] d=列表多边形坐标[：，1] def PolyArea（研发）： 返回0.5*np.abs（np.dot（r，np.roll（d，1））-np.dot（d，np.roll（r，1））） 总计=多面积（r，d） 总计。追加（总计） 总计=0 对于范围内的i（len（vor.point_区域））： totaltotal+=总计[i] 打印（'totaltotal'，totaltotal） 平均面积=总面积/1533 打印（“平均面积”，平均面积） ################################################################################################ #通量分布 面积=np.数组（总计） 打印（'区域'，区域） 通量=1/面积 打印（“通量”，通量） 总通量=0 对于范围内的i（1533）： 总通量+=通量[i] 打印（“总通量”，总通量） 平均通量=总通量/1533 打印（“平均通量”，平均通量）

#Voronoi algorithm

list_ra=tbdata[cut3]['RA']

list_dec=tbdata[cut3]['DEC']

points=np.column_stack((list_ra, list_dec))

vor=Voronoi(points)

#print vor.vertices

#print vor.regions

#print vor.ridge_vertices
#print vor.ridge_points

print len(vor.point_region)

plt.plot(points[:, 0], points[:, 1], '.')

plt.plot(vor.vertices[:, 0], vor.vertices[:, 1], '.', markersize=0.25)

plt.xlim(150.02, 150.21); plt.ylim(2.26, 2.45)

for simplex in vor.ridge_vertices:

     simplex = np.asarray(simplex)

     if np.all(simplex >= 0):

      plt.plot(vor.vertices[simplex, 0], vor.vertices[simplex, 1], 'k-')

center = points.mean(axis=0)

for pointidx, simplex in zip(vor.ridge_points, vor.ridge_vertices):

     simplex = np.asarray(simplex)

     if np.any(simplex < 0):

         i = simplex[simplex >= 0][0] # finite end Voronoi vertex

         t = points[pointidx[1]] - points[pointidx[0]]  # tangent

         t = t / np.linalg.norm(t)

         n = np.array([-t[1], t[0]]) # normal

         midpoint = points[pointidx].mean(axis=0)

         far_point = vor.vertices[i] + np.sign(np.dot(midpoint - center, n)) * n * 100

         plt.plot([vor.vertices[i,0], far_point[0]],

                  [vor.vertices[i,1], far_point[1]], 'k--')

plt.xlabel(r' RA/deg ',size=12)

plt.ylabel(r' DEC/deg ',size=12)

plt.savefig('Voronoi_10x10', dpi=300)

plt.show()

###############################################################################################
#Polygon areas

total=0

totals=[]

for i in range (len(vor.point_region)):

    polygon_coordinates=[vor.vertices[y] for y in vor.regions[vor.point_region[i]]]

    list_polygon_coordinates=np.asarray(polygon_coordinates)

    r=list_polygon_coordinates[:, 0]

    d=list_polygon_coordinates[:, 1]

    def PolyArea(r,d): 
        return 0.5*np.abs(np.dot(r,np.roll(d,1))-np.dot(d,np.roll(r,1)))

    total=PolyArea(r,d)

    totals.append(total)

totaltotal=0

for i in range(len(vor.point_region)):

    totaltotal+=totals[i]

print ('totaltotal', totaltotal)

average_area=totaltotal/1533

print ('average_area', average_area)

################################################################################################
#Flux distribution

area=np.array(totals)

print ('area', area)

flux=1/area

print ('flux', flux)

totaltotal_flux=0

for i in range(1533):

    totaltotal_flux+=flux[i]

print ('totaltotal_flux', totaltotal_flux)

average_flux=totaltotal_flux/1533

print ('average_flux', average_flux)