python matplotlib画图使用colorbar工具自定义颜色 colorbar(draw colorbar without any mapple/plot)

自定义colorbar可以画出任何自己想要的colorbar,自由自在、不受约束,不依赖于任何已有的图(plot/mappable)。这里使用的是mpl.colorbar.ColorbarBase类,而colorbar类必须依赖于已有的图。

参数可以参考下面的描述->matplotlib:

class matplotlib.colorbar.ColorbarBase(ax, cmap=None, norm=None, alpha=None, values=None, boundaries=None, orientation=‘vertical', ticklocation=‘auto', extend=‘neither', spacing=‘uniform', ticks=None, format=None, drawedges=False, filled=True, extendfrac=None, extendrect=False, label='')[source]

参数简单描述

  • ax :可用于设置colorbar的位置、长、宽
  • norm :用于规范化–设置颜色条最大最小值
  • cmap:颜色(可参考本篇博文的最后部分——推荐色带与自定义色带)
  • boundaries:要想使用extend,在norm之外,必须要有两个额外的boundaries
  • orientation:colorbar方向,躺平or垂直
  • extend:延伸方向(在norm之外colorbar可延伸)
  • ticks:自定义各段的tick(记号)给一个例子,首先定义一下横纵坐标的名称,以及df_int:

给一个例子,首先定义一下横纵坐标的名称,以及df_int:

1

2

3

4

5

labels_int = ['A', 'B', 'C', 'D']

variables_int = ['A', 'B', 'C', 'D']

# x_normed_int 可以是一个4*4的数组,经过归一化的

df_int = pd.DataFrame(, columns=variables_int, index=labels_int)

接下来就是画图了:

1

2

3

4

5

6

7

8

9

10

11

12

fig = plt.figure()

  ax = fig.add_subplot(111)

  cax = ax.matshow(df, interpolation='nearest', cmap='GnBu')

  fig.colorbar(cax)

  tick_spacing = 1

  ax.xaxis.set_major_locator(ticker.MultipleLocator(tick_spacing))

  ax.yaxis.set_major_locator(ticker.MultipleLocator(tick_spacing))

  ax.set_xticklabels([''] + list(df.columns))

  ax.set_yticklabels([''] + list(df.index))

  plt.show()

其中:

1

cax = ax.matshow(df, interpolation='nearest', cmap='GnBu')

可以通过cmap修改,得到不同的颜色带

最终可以看到结果如下图:

matplotlib画图使用python可视化colorbar工具自定义颜色相关推荐

  1. python自定义colorbar_python可视化 matplotlib画图使用colorbar工具自定义颜色

    python matplotlib画图使用colorbar工具自定义颜色 colorbar(draw colorbar without any mapple/plot) 自定义colorbar可以画出 ...

  2. python可视化 matplotlib画图使用colorbar工具自定义颜色

    python matplotlib画图使用colorbar工具自定义颜色 colorbar(draw colorbar without any mapple/plot) 自定义colorbar可以画出 ...

  3. python可视化界面工具_8个流行的 Python可视化工具包,你喜欢哪个?

    点击上方"Python编程开发",选择"星标或者置顶" 一起高效学习Python编程开发! 编译:机器之心,作者:Aaron Frederick 喜欢用 Pyt ...

  4. python可视化图表工具_酷炫的可视化图表工具来帮忙 深度评测五大Python数据可视化工具...

    原标题:酷炫的可视化图表工具来帮忙 深度评测五大Python数据可视化工具 不少Python用户的一大诉求是做出各种酷炫的可视化图表,而这就需要了解清楚工具特色,才好在制作不同类型图表顺利找到适合自己 ...

  5. python可视化开源工具_这5款Python可视化神器,总有一款适合你!

    我们都知道视觉是人们很重要的一种感官,而Python中可视化,在数据相关的研发中也起到"一木支危楼 "的作用.如果从直接查看离线存储在各类数据库中杂乱无章的数据,会让人瞬间感到崩溃 ...

  6. 关于Python可视化Dash工具

    Dash是基于Flask的Python可视化工具,严格说来由三个部分组成,首先是Flask提供了标准web环境,再次是plotly这个图表可视化工具,最后是与dash相配套的html.图表等交互式组件 ...

  7. 相见恨晚的Python可视化配色工具

    来源:pythonic生物人 有小伙伴说python可视化自带颜色很丑,那您一定是没遇到palettable,palettable是一个纯python写的颜色条(Colormap)库,汇集了大量知名可 ...

  8. matplotlib画图_Python数据可视化工具Matplotlib之画图(四)(饼状图)

    概述 在<Python数据可视化工具Matplotlib之画图(三)(柱状图)>中讲述了如何通过Matplotlib画柱状图,本文讲述如何通过Matplotlib画饼状图. matplot ...

  9. 关于Python可视化Dash工具—plotly基本图形

    Plotly Express是对 Plotly.py 的高级封装,内置了大量实用.现代的绘图模板,用户只需调用简单的API函数,即可快速生成漂亮的互动图表,可满足90%以上的应用场景. 本文借助Plo ...

最新文章

  1. 人类的下一代计算平台——科技大发展前景下的新思考
  2. mybatis-generator修改源码2
  3. 数据库三范式的理解(引用其他网友)
  4. 【算法与数据结构】一道检测inversion count的初级算法
  5. 1-uboot流程——概述
  6. 计数排序Counting sort
  7. Yapi Mock 远程代码执行漏洞
  8. 【Python】从0开始写爬虫——豆瓣电影
  9. 称特价影票被取消后影片仍正常放映 购票人起诉淘票票索赔500元
  10. 决策树(七)--Boost及源码分析
  11. C语言中你可能会用到的字符串函数的代码
  12. SQLserver如何创建一个表
  13. 蓝点中文Linux2.0 实验十三 进程与作业管理
  14. String s = new String(“abc“)创建了几个对象
  15. Arcgis地籍图河流注记字体批量修改
  16. 做软件项目经理需要具备的品质和素质
  17. 小游戏开发引擎CocosCreator
  18. h5(html5),css3入门学习笔记
  19. JavaScript : 对LHS和RHS两个名词的理解
  20. redis: WRONGTYPE Operation against a key holding the wrong kind of value

热门文章

  1. matlab建模DNA双链,PPT绘制科研图形—DNA双链、分子细胞模型
  2. php html转换成word,php如何实现html转换word?_后端开发
  3. 005_wz_bbk_-v详细信息,-c生成中间文件,链接次序
  4. r语言c(1 6),R语言(1)
  5. 上银驱动器使用手册_D1驱动器操作使用手册.pdf
  6. 高新技术企业认定,知识产权核查篇
  7. 如何策划一场虚拟活动?Mixlab 教你元宇宙布展思路~
  8. HDMI 2.1的traning流程
  9. 东风破 -词:方文山 曲:周杰伦
  10. 如果如果,如果没有如果