在Python資料視覺化利器Matplotlib,colors系列,顏色對映原理一文中我們講過,colormap透過兩個步驟實現:
透過資料轉換類Normalize或者子類的例項將包含資料的陣列轉換成區間[0,1]內的數字索引。
透過顏色對映類Colormap或者子類的例項將區間[0,1]內的數字索引對映成顏色。
以上程式碼中陣列c的最大值為1.74,最小值為-2.26,它的colormap實現過程為:
效果圖:
透過觀察我們可以發現,圖中綠色資料居多,即資料主要集中在[-0.5,1.0]區間內,為了更直觀的瞭解主體資料間的差異,我們可以重新設定一下顏色對映的資料範圍,這時我們就需要使用colors.Normalize來實現。
colors.Normalize使用方法如下:
class matplotlib.colors.Normalize(vmin=None, vmax=None)
引數vmin、vmax分別為要設定的資料範圍最小值和最大值;範圍外的值分別顯示最大值或最小值的顏色。
例項程式碼:
在Python資料視覺化利器Matplotlib,colors系列,顏色對映原理一文中我們講過,colormap透過兩個步驟實現:
透過資料轉換類Normalize或者子類的例項將包含資料的陣列轉換成區間[0,1]內的數字索引。
透過顏色對映類Colormap或者子類的例項將區間[0,1]內的數字索引對映成顏色。
以上程式碼中陣列c的最大值為1.74,最小值為-2.26,它的colormap實現過程為:
效果圖:
透過觀察我們可以發現,圖中綠色資料居多,即資料主要集中在[-0.5,1.0]區間內,為了更直觀的瞭解主體資料間的差異,我們可以重新設定一下顏色對映的資料範圍,這時我們就需要使用colors.Normalize來實現。
colors.Normalize使用方法如下:
class matplotlib.colors.Normalize(vmin=None, vmax=None)
引數vmin、vmax分別為要設定的資料範圍最小值和最大值;範圍外的值分別顯示最大值或最小值的顏色。
例項程式碼:
效果圖: