Python 当值间距不均匀时，在matplotlib中打印分类数据

我需要创建一个具有不均匀间距值的网格数据的二维图像。我正在绘制一个分类数据集，其中类别使用对应于特定标签的数值进行编码

我需要能够使用格式化程序为数据集中的每个类别分配不同的颜色。这最好是灵活的，因为我正在绘制的真实数据集有30个独特的类别。因此，当值为

10

和

40

时，我应该有一个唯一的颜色

制作示例数据进行演示

将xarray作为xr导入
将matplotlib.pyplot作为plt导入
将numpy作为np导入
作为pd进口熊猫
时间=pd.日期范围（'2010-01-31'，'2015-12-31'，频率=M'）
lat=np.linspace（0,1224）
lon=np.linspace（0,1176）
有效值=[10,40,50,60]
标签=['type_1'、'type_2'、'type_3'、'type_4']
lookup=dict（zip（有效值、标签））
value=np.random.choice（有效值，大小=（len（时间），len（纬度），len（经度）））
rand_nans=np.random.random（大小=（len（时间）、len（纬度）、len（经度））<0.3
值[rand_nans]=np.nan
coords={'time'：time'lat'：lat'lon'：lon}
dims=[“时间”、“纬度”、“经度”]
ds=xr.Dataset（{'lc_code'：（dims，values）}，coords=coords）
#转换为numpy数组（仅第一个时间步）
im=ds.isel（时间=0）.lc\u代码值
ds
出[]：
尺寸：（纬度：224，经度：176，时间：72）
协调：
*时间日期时间64[ns]2010-01-31 2010-02-28。。。2015-12-31
*lat（lat）浮动64 0.0 0 0.004484 0.008969 0.01345。。。0.991 0.9955 1.0
*lon（lon）浮动64 0.0 0 0.005714 0.01143 0.01714。。。0.9886 0.9943 1.0
数据变量：
lc_代码（时间、纬度、经度）浮动64 50.0 nan 60.0 50.0。。。40.0 10.0 40.0 10.0

仅绘制图像数据就有两个问题： 1） 勾号标签不是

labels

2） 颜色栏的间距均匀，但值不均匀。这样我们就有了

10,40,50,60的值

plt.imshow（im，cmap=plt.cm.get\u cmap（'tab10'，len（有效值）））
plt.colorbar（）


因此，我尝试了
函数格式化程序
。但是，此图像仍然存在一个问题，即没有值映射到
type_2
颜色，尽管勾号标签排列在颜色栏的中心

fig，ax=plt.子批次（figsize=（12,8））
plt.imshow（im，cmap=plt.cm.get\u cmap（'tab10'，len（有效值）））
#计算记号标签的位置
最小值=最小值（有效值）
最大值=最大值（有效值）
位置=np.linspace（最小值、最大值、长度（有效值））
val_lookup=dict（zip（位置、标签））
def格式化程序功能（x，位置）：
'两个参数是值和记号位置'
val=val_查找[x]
返回值
格式化程序=plt.FuncFormatter（格式化程序_func）
#我们必须确保指定与目标名称匹配的记号
plt.colorbar（刻度=位置，格式=格式化程序，间距=比例）；
#设置颜色栏限制，使标记均匀分布
plt.clim（0,70）


但此代码强制第二类（值
40
，
type_2
）不显示为与
勾号对齐的颜色。因此，颜色栏不能有效地反映图像中的数据

（im==40）.mean（）
出[]：
0.17347301136363635
在第一个绘图中，没有颜色映射到类型2颜色的原因是23和35之间没有值，这大致是分配给红色的范围

您可以尝试使用
ListedColormap

将xarray作为xr导入
将matplotlib.pyplot作为plt导入
从matplotlib导入颜色
将numpy作为np导入
作为pd进口熊猫
时间=pd.日期范围（'2010-01-31'，'2015-12-31'，频率=M'）
lat=np.linspace（0,1224）
lon=np.linspace（0,1176）
有效_值=[10,40,50,60]
标签=['type_1'、'type_2'、'type_3'、'type_4']
lookup=dict（zip（有效值、标签））
values=np.random.choice（有效的_值，大小=（len（time），len（lat），len（lon）））
rand_nans=np.random.random（大小=（len（时间）、len（纬度）、len（经度））<0.3
值[rand_nans]=np.nan
coords={'time'：time'lat'：lat'lon'：lon}
dims=[“时间”、“纬度”、“经度”]
ds=xr.Dataset（{'lc_code'：（dims，values）}，coords=coords）
#转换为numpy数组（仅第一个时间步）
im=ds.isel（时间=0）.lc\u代码值
#构建一个列出的颜色映射。
c_map=colors.ListedColormap（['白色'、'红色'、'蓝色'、'绿色']））
界限=[-15,35,45,55,65]
norm=colors.BoundaryNorm（bounds，c_map.N）
#用颜色条打印图像
im=plt.imshow（im，cmap=c_图，norm=norm）
c_条=plt.colorbar(
im，cmap=c_映射，norm=norm，boundary=bounds，ticks=[10,40,50,60]）
c_bar.ax.set_xticklabel（['type_1'、'type_2'、'type_3'、'type_4']））
plt.show（）

这将提供以下输出：

为了使标签位于颜色条区域的中心，您只需确保勾号值（在
plt.colorbar
参数中）正好位于相关
边界的中间。我硬编码这些，但你可以很容易地计算这些自动！我认为边界的间距不相等并不重要，因为
ListedColormap
是隐式分类的，因此它理解为使每个类别的颜色栏大小相等

希望这有帮助