精华内容
下载资源
问答
  • plt.scatter 中cmap参数详解

    千次阅读 2020-10-06 16:28:14
    1.首先,cmap参数和c参数配合使用的。参数c可以是一个序列,如:plt.scatter(a,b,c=['b','r','b','r','b'],s=80) 此时c的序列是一个颜色序列,除了上述的简洁写法,还可以使用RGB或RBGA:plt.scatter(a,b,c=['#f...

    1.首先,cmap参数和c参数配合使用的。参数c可以是一个序列,如:plt.scatter(a,b,c=['b','r','b','r','b'],s=80)

    此时c的序列是一个颜色序列,除了上述的简洁写法,还可以使用RGB或RBGA:plt.scatter(a,b,c=['#f00','#0f0','#f00','#0f0','#f00'],s=80)

    上面的例子是将参数c设置为颜色序列,但是一般我们用来做分类的数据Y是整数0,1,2,.......,等等。此时就需要配合cmap参数来使用了。如:

    a = np.array([1,2,3,4,5])
    b= np.array([6,7,8,9,10])
    c = np.array([0,1,2,3,4])
    plt.scatter(a,b,c=c,s=80,cmap=plt.cm.Spectral)

    其结果:

    在这里需要注意的是,plt.cm.Spectral是一个颜色映射集,但是,并不是说0~5各代表了某个颜色。而是说,参数c的序列中出现了5个不同的值,然后为每一个值分配一个颜色。

    如下例:

    a = np.array([1,2,3,4,5])
    b= np.array([6,7,8,9,10])
    c = np.array([0,1,2,3,4])
    plt.scatter(a,b,c=[0,1,0,1,0],s=80,cmap=plt.cm.Spectral)

     

    展开全文
  • 热力图可视化 plt cmap

    2021-09-15 20:16:06
    热力图可视化 import matplotlib.pyplot as plt plt.imsave(savename, data, vmin=0, vmax=data_max, cmap='turbo') cmap 的其它选择(如 magma,jet):

    热力图可视化

    import matplotlib.pyplot as plt
    plt.imsave(savename, data, vmin=0, vmax=data_max, cmap='turbo')
    

    cmap=turbo
    cmap 的其它选择(如 magma,jet):
    在这里插入图片描述

    在这里插入图片描述

    其中cmap="jet"结果类似如下:
    在这里插入图片描述

    展开全文
  • [matplotlib]plt.scatter()中cmap用法

    万次阅读 2018-08-30 22:06:08
    import matplotlib.pyplot as plt # Have colormaps separated into categories: # http://matplotlib.org/examples/color/colormaps_reference.html cmaps = [('Perceptually Uniform Sequen...
    import numpy as np
    import matplotlib.pyplot as plt
    
    
    # Have colormaps separated into categories:
    # http://matplotlib.org/examples/color/colormaps_reference.html
    cmaps = [('Perceptually Uniform Sequential', [
                'viridis', 'plasma', 'inferno', 'magma']),
             ('Sequential', [
                'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
                'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
                'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']),
             ('Sequential (2)', [
                'binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink',
                'spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia',
                'hot', 'afmhot', 'gist_heat', 'copper']),
             ('Diverging', [
                'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
                'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic']),
             ('Qualitative', [
                'Pastel1', 'Pastel2', 'Paired', 'Accent',
                'Dark2', 'Set1', 'Set2', 'Set3',
                'tab10', 'tab20', 'tab20b', 'tab20c']),
             ('Miscellaneous', [
                'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
                'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg', 'hsv',
                'gist_rainbow', 'rainbow', 'jet', 'nipy_spectral', 'gist_ncar'])]
    
    
    nrows = max(len(cmap_list) for cmap_category, cmap_list in cmaps)
    gradient = np.linspace(0, 1, 256)
    gradient = np.vstack((gradient, gradient))
    
    
    def plot_color_gradients(cmap_category, cmap_list, nrows):
        fig, axes = plt.subplots(nrows=nrows)
        fig.subplots_adjust(top=0.95, bottom=0.01, left=0.2, right=0.99)
        axes[0].set_title(cmap_category + ' colormaps', fontsize=14)
    
        for ax, name in zip(axes, cmap_list):
            ax.imshow(gradient, aspect='auto', cmap=plt.get_cmap(name))
            pos = list(ax.get_position().bounds)
            x_text = pos[0] - 0.01
            y_text = pos[1] + pos[3]/2.
            fig.text(x_text, y_text, name, va='center', ha='right', fontsize=10)
    
        # Turn off *all* ticks & spines, not just the ones with colormaps.
        for ax in axes:
            ax.set_axis_off()
    
    
    for cmap_category, cmap_list in cmaps:
        plot_color_gradients(cmap_category, cmap_list, nrows)
    
    #十分类散点图绘制
    randlabel = np.random.randint(0,1,10)
    randdata = np.reshape(np.random.rand(10*2),(10,2))
    
    
    cm = plt.cm.get_cmap('RdYlBu')
    z = randlabel
    sc = plt.scatter(randdata[:,0], randdata[:,1], c=z, vmin=0, vmax=10, s=35,edgecolors='k', cmap=cm)
    plt.colorbar(sc)
    plt.show()
    
    展开全文
  • 【Python】plt.scatter.cmap

    万次阅读 2018-03-14 10:51:34
    python设置scatter颜色渐变参考代码如下:[python] view plain copy &...import matplotlib.pyplot as plt cm = plt.cm.get_cmap('RdYlBu') xy = range(20) z = xy sc = plt.scatter(xy, xy,...

    python设置scatter颜色渐变

    参考代码如下:

    [python] view plain copy
    1. <span style="font-size:18px;">import matplotlib.pyplot as plt  
    2. cm = plt.cm.get_cmap('RdYlBu')  
    3. xy = range(20)  
    4. z = xy  
    5. sc = plt.scatter(xy, xy, c=z, vmin=0, vmax=20, s=35, cmap=cm)  
    6. plt.colorbar(sc)  
    7. plt.show()</span>  

    其中get_cmap中取值可为:Possible values are: Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r...其中末尾加r是颜色取反。


    在自己的程序中,是要绘制出一个网络,使得网络节点的颜色变化来表示度的变化,初步绘制的结果如下:


    但是到现在,很不足的一点是,在matplotlib中plt.plot,plt.scatter这两个不能设置显示的上下层关系,不管两句话的顺序如何,都是plot在上,scatter在下,想让scatter在上层。导致绘制图中的圆点总是被直线覆盖,目前处理的方式是,将直线透明度设置为alpha = 0.2,可以稍微好看一点。

    展开全文
  • cmap支持的参数如下: ‘Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, ...
  • plt.scatter-颜色设置(c, cmap

    千次阅读 2020-08-20 22:10:58
    问题 用 Python 的 matplotlib 绘图时,如何根据样本点的 label 设置不同的颜色? # 生成样本点 from sklearn.datasets import make_classification X, y = make_...
  • matplotlib绘图的彩色映射设置——参数cmap
  • 名字后_r取反
  • matplotlib cmap

    千次阅读 2018-06-15 19:16:53
    获取图谱使用plt.get_cmap(‘xxx’) 其值有很多,如官网:https://matplotlib.org/users/colormaps.html 或https://matplotlib.org/examples/color/colormaps_reference.html 如: plt.contourf(X,Y,Z,6,cmap=...
  • plt.scatter(X[0, :], X[1, :], c=Y, s=40, cmap=plt.cm.Spectral)出错 ValueError: c of shape (1, 400) not acceptable as a color sequence for x with size 400, y with size 400 ...
  • ...plt(matplotlib.pyplot)使用rc配置文件来自定义图形的各种默认属性,称之为“rc配置”或“rc参数”。通过rc参数可以修改默认的属性,包括窗体大小、每英寸的点数、线条宽度、颜色、样式...
  • 颜色的三种模式 连续型 sequential, 颜色渐变,可以用于定量数据从低到高的变化 极端型Diverging,生成深色强调两端、浅色表示中部的颜色,可用来标注数据的离群点。 离散型Qualitative,生成彼此差异明显的颜色...
  • matplotlib的cmap

    2017-12-28 18:46:00
    plt.imshow(X_train[0], cmap=plt.get_cmap('PuBuGn_r')) #plt.imshow(X_train[0], cmap=plt.get_cmap('PuBuGn')) 然后发现 get_cmap 经常看到,但是不懂,查了一下,原来后面的就是个名称,然后加 _r 表示反...
  • plt.scatter c参数出错

    千次阅读 2019-08-20 14:25:21
    plt.scatterc=需要的是一维数组,所以需要转化一下 plt.scatter(X[:, 0], X[:, 1], c=labels.flatten(), s=100, cmap=‘viridis’) 否则会出现这样的错误: ValueError: ‘c’ argument has 200 elements, which ...
  • matplotlib.pyplot——cmap直观理解

    万次阅读 多人点赞 2019-10-18 11:14:58
    最近在看《深入浅出Python机器学习》,敲案例时发现matplotlib里cmap参数的使用方法发生了一些变化,索性整理了一下cmap相关的内容,这里是cmap预设值的官方图例,文中也会放出。文中表达如有不正确的地方,欢迎指出...
  • plt画图

    2019-09-24 02:28:36
    import numpy as np import PIL.Image as Image from matplotlib import pyplot as plt from matplotlib import cm as CM ax = plt.subplot(121) ...k = np.random.randn(256,256) ...plt.imshow(k,cmap=CM...
  • # -*- coding: utf-8 -*- &quot;&quot;&quot; Created on Fri Aug 3 14:05:33 2018 @author: Administrator &quot;&quot;&quot;...import matplotlib.pyplot as plt trai..
  • Python Matplotlib属性 cmap

    万次阅读 2019-04-26 00:06:34
    获取图谱使用plt.get_cmap(‘xxx’) 其值有很多,如官网:https://matplotlib.org/users/colormaps.html 或https://matplotlib.org/examples/color/colormaps_reference.html 如: plt.contourf(X,Y,Z,6,cmap=plt....
  • matplotlib使用cmap

    千次阅读 2020-08-24 16:03:55
    选择cmap ...import matplotlib.pyplot as plt from matplotlib import cm from matplotlib.colors import ListedColormap, LinearSegmentedColormap N = 256 vals = np.ones((N, 4)) vals[:, 0] =

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 38,844
精华内容 15,537
关键字:

plt中cmap