Python pcolormesh,每个 bin 都有单独的 alpha 值
Python pcolormesh with separate alpha value for each bin
假设我有以下数据集:
import numpy as np
import matplotlib.pyplot as plt
x_bins = np.arange(10)
y_bins = np.arange(10)
z = np.random.random((9,9))
我可以用
轻松绘制这些数据
plt.pcolormesh(x_bins, y_bins, z, cmap = 'viridis)
但是,假设我现在为每个点添加一些 alpha 值:
a = np.random.random((9,9))
如何更改 pcolormesh 图中每个框的 alpha 值以匹配数组“a”中的相应值?
pcolormesh
创建的网格对于整个网格只能有一个 alpha。要为每个单元格设置单独的 alpha,需要将单元格一个一个地创建为矩形。
下面的代码显示 pcolormesh
左边没有 alpha,右边有 alpha 的矩形网格。请注意,在矩形接触的地方,半透明会导致一些不均匀的重叠。这可以通过不绘制单元格边缘 (edgecolor='none'
) 或使用更长的黑线来分隔单元格来缓解。
下面的代码更改了 x 维度,以便更容易验证 x
和 y
没有混淆。 relim
和 autoscale
是必需的,因为 matplotlib 的默认行为不会通过添加补丁来更改 x 和 y 限制。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle, Patch
x_bins = np.arange(12)
y_bins = np.arange(10)
z = np.random.random((9, 11))
a = np.random.random((9, 11))
cmap = plt.get_cmap('inferno')
norm = plt.Normalize(z.min(), z.max())
fig, (ax1, ax2) = plt.subplots(ncols=2)
ax1.pcolormesh(x_bins, y_bins, z, cmap=cmap, norm=norm)
for i in range(len(x_bins) - 1):
for j in range(len(y_bins) - 1):
rect = Rectangle((x_bins[i], y_bins[j]), x_bins[i + 1] - x_bins[i], y_bins[j + 1] - y_bins[j],
facecolor=cmap(norm(z[j, i])), alpha=a[j, i], edgecolor='none')
ax2.add_patch(rect)
# ax2.vlines(x_bins, y_bins.min(), y_bins.max(), edgecolor='black')
# ax2.hlines(y_bins, x_bins.min(), x_bins.max(), edgecolor='black')
ax2.relim()
ax2.autoscale(enable=True, tight=True)
plt.show()
假设我有以下数据集:
import numpy as np
import matplotlib.pyplot as plt
x_bins = np.arange(10)
y_bins = np.arange(10)
z = np.random.random((9,9))
我可以用
轻松绘制这些数据plt.pcolormesh(x_bins, y_bins, z, cmap = 'viridis)
但是,假设我现在为每个点添加一些 alpha 值:
a = np.random.random((9,9))
如何更改 pcolormesh 图中每个框的 alpha 值以匹配数组“a”中的相应值?
pcolormesh
创建的网格对于整个网格只能有一个 alpha。要为每个单元格设置单独的 alpha,需要将单元格一个一个地创建为矩形。
下面的代码显示 pcolormesh
左边没有 alpha,右边有 alpha 的矩形网格。请注意,在矩形接触的地方,半透明会导致一些不均匀的重叠。这可以通过不绘制单元格边缘 (edgecolor='none'
) 或使用更长的黑线来分隔单元格来缓解。
下面的代码更改了 x 维度,以便更容易验证 x
和 y
没有混淆。 relim
和 autoscale
是必需的,因为 matplotlib 的默认行为不会通过添加补丁来更改 x 和 y 限制。
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle, Patch
x_bins = np.arange(12)
y_bins = np.arange(10)
z = np.random.random((9, 11))
a = np.random.random((9, 11))
cmap = plt.get_cmap('inferno')
norm = plt.Normalize(z.min(), z.max())
fig, (ax1, ax2) = plt.subplots(ncols=2)
ax1.pcolormesh(x_bins, y_bins, z, cmap=cmap, norm=norm)
for i in range(len(x_bins) - 1):
for j in range(len(y_bins) - 1):
rect = Rectangle((x_bins[i], y_bins[j]), x_bins[i + 1] - x_bins[i], y_bins[j + 1] - y_bins[j],
facecolor=cmap(norm(z[j, i])), alpha=a[j, i], edgecolor='none')
ax2.add_patch(rect)
# ax2.vlines(x_bins, y_bins.min(), y_bins.max(), edgecolor='black')
# ax2.hlines(y_bins, x_bins.min(), x_bins.max(), edgecolor='black')
ax2.relim()
ax2.autoscale(enable=True, tight=True)
plt.show()