Python 如何在matplotlib中将颜色映射的子集提取为新的颜色映射？

我想使用matplotlib中的颜色映射，例如CMRmap。但我不想在开头使用“黑色”，在结尾使用“白色”。我对使用中间颜色绘制数据感兴趣。我想ppl经常使用它，但我在网上搜索，找不到任何简单的解决方案。如果有人提出任何解决方案，我将不胜感激。

我最近正独自努力解决这个问题。以下是一些可能的解决方案：

---

尝试在绘图函数中使用

vmin

，

vmax

关键字参数。例如，假设您的数据介于0和1之间，但不喜欢在0和1的颜色贴图的极端使用的颜色

import matplotlib.pyplot as plt
import matplotlib.cm as cm

my_cmap = cm.spectral_r
my_cmap.set_over('c')
my_cmap.set_under('m')
plt.pcolor(data, vmin=0.01, vmax=0.99, cmap=my_cmap)

这将强制整个颜色贴图用于0.01和0.99之间的值，并且高于和低于此值的值将分别为青色和洋红。这可能不能完全解决您的问题，但如果您喜欢某个特定的颜色贴图，并且希望它的两端都有额外的颜色，那么它可能会很有用

---

如果您真的想更改颜色映射，请查看文档并获取详细信息

首先,

import matplotlib.cm as cm
cdict = cm.get_cmap('spectral_r')._segmentdata

这将返回组成colormap的所有颜色的字典。然而，弄清楚如何修改这本词典是相当棘手的。此命令有三个键，

红色、绿色、蓝色

cdict[key]

返回一个值列表，其格式为

（x，y0，y1）

。让我们来看看两个连续的元素<代码> cDAT[（红色）] < /代码>：

((0.0, 0.0, 0.0)
 (0.5, 1.0, 1.0),...

这意味着

z

（假设我们正在执行

pcolor

或

imshow

）介于0.0和0.5之间的数据，与该数据相关的rgb颜色的红色分量将从0.0（无红色）增加到1.0（最大红色）。这意味着要更改colormap的颜色，您必须检查rgb的三个分量中的每一个是如何在您感兴趣的colormap区域内插值的只需确保每个颜色的第一个和最后一个条目分别以

x=0

和

x=1

开头；您必须涵盖[0，1]的整个范围。

如果要更改开始和结束颜色，请尝试

import matplotlib.cm as cm
from matplotlib.colors import LinearSegmentedColormap
cdict = cm.get_cmap('spectral_r')._segmentdata

cdict['red'][0] = (0, 0.5, 0.5) # x=0 for bottom color in colormap
cdict['blue'][0] = (0, 0.5, 0.5) # y=0.5 gray
cdict['green'][0] = (0, 0.5, 0.5) # y1=y for simple interpolation
cdict['red'][-1] = (1, 0.5, 0.5) # x=1 for top color in colormap
cdict['blue'][-1] = (1, 0.5, 0.5)
cdict['green'][-1] = (1, 0.5, 0.5)

my_cmap = LinearSegmentedColormap('name', cdict)

然后在绘图函数中使用此cmap

---

我想做的是将

spectrum\u r

colormap末尾的灰色更改为纯白色。这是通过使用

# Using imports from above
cdict = matplotlib.cm.get_cmap('spectral_r')._segmentdata
cdict['red'][0] = (0, 1, 1)
cdict['green'][0] = (0, 1, 1)
cdict['blue'][0] = (0, 1, 1)
my_cmap = LinearSegmentedColormap('my_cmap', cdict)

staticmethod可用于创建新的LinearSegmentedColormaps。下面，我在0.2和0.8之间的100个点处对原始颜色贴图进行采样：

cmap(np.linspace(0.2, 0.8, 100))

并使用这些颜色生成新的颜色贴图：

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

def truncate_colormap(cmap, minval=0.0, maxval=1.0, n=100):
    new_cmap = colors.LinearSegmentedColormap.from_list(
        'trunc({n},{a:.2f},{b:.2f})'.format(n=cmap.name, a=minval, b=maxval),
        cmap(np.linspace(minval, maxval, n)))
    return new_cmap

arr = np.linspace(0, 50, 100).reshape((10, 10))
fig, ax = plt.subplots(ncols=2)

cmap = plt.get_cmap('jet')
new_cmap = truncate_colormap(cmap, 0.2, 0.8)
ax[0].imshow(arr, interpolation='nearest', cmap=cmap)
ax[1].imshow(arr, interpolation='nearest', cmap=new_cmap)
plt.show()

---

左侧的绘图显示了使用原始颜色贴图的图像（在本例中，

jet

）。右侧的绘图显示了使用

new\u cmap

的相同图像。这是对先前答案的改编，其中嵌入了绘图功能：

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

################### Function to truncate color map ###################
def truncate_colormap(cmapIn='jet', minval=0.0, maxval=1.0, n=100):
    '''truncate_colormap(cmapIn='jet', minval=0.0, maxval=1.0, n=100)'''    
    cmapIn = plt.get_cmap(cmapIn)

    new_cmap = colors.LinearSegmentedColormap.from_list(
        'trunc({n},{a:.2f},{b:.2f})'.format(n=cmapIn.name, a=minval, b=maxval),
        cmapIn(np.linspace(minval, maxval, n)))

    arr = np.linspace(0, 50, 100).reshape((10, 10))
    fig, ax = plt.subplots(ncols=2)
    ax[0].imshow(arr, interpolation='nearest', cmap=cmapIn)
    ax[1].imshow(arr, interpolation='nearest', cmap=new_cmap)
    plt.show()

    return new_cmap

cmap_mod = truncate_colormap(minval=.2, maxval=.8)  # calls function to truncate colormap

---

如果您需要多次调用该函数，则使用内嵌绘图的紧凑函数是很有帮助的。

从一个（受答案启发的）函数中稍微改进了可视化效果

---

在我的CMasher软件包中，我提供了

get\u sub\u cmap（）

-函数（），它接受一个颜色映射和一个范围，并返回一个包含请求范围的新颜色映射

因此，例如，如果您希望采用

viridis

colormap的20%到80%之间的颜色，您可以使用：

将cmasher导入为cmr
cmap=cmr.get_sub_cmap（'viridis'，0.2,0.8）

注意：不要使用

jet

（或

CMRmap

），因为它们在感知上不是一致的。 相反，请使用matplotlib中的5个正确的颜色贴图，或使用cmocean或my CMasher提供的颜色贴图

编辑：在最新版本的CMasher中，还可以使用相同的函数，通过向函数提供要获取的段数，从任何颜色映射中创建离散/定性颜色映射。 例如，如果要创建20%到80%范围内的

viridis

定性颜色图，可以使用以下方法：

cmap=cmr.get_sub_map（'viridis'，0.2,0.8,N=5）

感谢您提供了信息丰富的答案。构建自定义颜色映射非常有用。我已经冒昧地在gist.github上与get\u cmap、array\u cmap、stack\u colormap、band\u colormap一起发布了这篇文章。谢谢。如果有人再看一遍，还有一个问题：如果我在离散的颜色映射上运行truncate_colormap，我会得到一个平滑的映射。如何返回离散映射？这有点奇怪，因为函数本身返回一个线性分段映射为什么n=100而不是256？对于那些像我一样非常困惑的人，对象

cmap

可以接受参数：类matplotlib.colors.Colormap有一个方法

\u调用

，这使它成为一个函子，也就是说，对象可以像函数一样使用。对于那些寻找@denisV提到的颜色的人来说，当颜色用于文本背景时，避免黑色很有用-好问题

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

def truncate_colormap(cmap, minval=0.0, maxval=1.0, n=100):
    '''
    https://stackoverflow.com/a/18926541
    '''
    if isinstance(cmap, str):
        cmap = plt.get_cmap(cmap)
    new_cmap = mpl.colors.LinearSegmentedColormap.from_list(
        'trunc({n},{a:.2f},{b:.2f})'.format(n=cmap.name, a=minval, b=maxval),
        cmap(np.linspace(minval, maxval, n)))
    return new_cmap

cmap_base = 'jet'
vmin, vmax = 0.2, 0.8
cmap = truncate_colormap(cmap_base, vmin, vmax)

fig, ax = plt.subplots(nrows=2)
sm = mpl.cm.ScalarMappable(cmap=cmap_base) 
cbar = plt.colorbar(sm, cax=ax[0], orientation='horizontal')

sm = mpl.cm.ScalarMappable(cmap=cmap) 
cbar = plt.colorbar(sm, cax=ax[1], orientation='horizontal')
plt.show()