Solución:
Utilizando vmin
y vmax
fuerza la gama de colores. He aquí un ejemplo:
import matplotlib as m
import matplotlib.pyplot as plt
import numpy as np
cdict = {
'red' : ( (0.0, 0.25, .25), (0.02, .59, .59), (1., 1., 1.)),
'green': ( (0.0, 0.0, 0.0), (0.02, .45, .45), (1., .97, .97)),
'blue' : ( (0.0, 1.0, 1.0), (0.02, .75, .75), (1., 0.45, 0.45))
}
cm = m.colors.LinearSegmentedColormap('my_colormap', cdict, 1024)
x = np.arange(0, 10, .1)
y = np.arange(0, 10, .1)
X, Y = np.meshgrid(x,y)
data = 2*( np.sin(X) + np.sin(3*Y) )
def do_plot(n, f, title):
#plt.clf()
plt.subplot(1, 3, n)
plt.pcolor(X, Y, f(data), cmap=cm, vmin=-4, vmax=4)
plt.title(title)
plt.colorbar()
plt.figure()
do_plot(1, lambda x:x, "all")
do_plot(2, lambda x:np.clip(x, -4, 0), "<0")
do_plot(3, lambda x:np.clip(x, 0, 4), ">0")
plt.show()
Utilice la función CLIM (equivalente a la función CAXIS en MATLAB):
plt.pcolor(X, Y, v, cmap=cm)
plt.clim(-4,4) # identical to caxis([-4,4]) in MATLAB
plt.show()
No estoy seguro de si esta es la solución más elegante (esto es lo que usé), pero puede escalar sus datos al rango entre 0 y 1 y luego modificar la barra de colores:
import matplotlib as mpl
...
ax, _ = mpl.colorbar.make_axes(plt.gca(), shrink=0.5)
cbar = mpl.colorbar.ColorbarBase(ax, cmap=cm,
norm=mpl.colors.Normalize(vmin=-0.5, vmax=1.5))
cbar.set_clim(-2.0, 2.0)
Con los dos límites diferentes, puede controlar el rango y la leyenda de la barra de colores. En este ejemplo, solo el rango entre -0.5 y 1.5 se muestra en la barra, mientras que el mapa de colores cubre -2 a 2 (por lo que este podría ser su rango de datos, que registra antes de la escala).
Entonces, en lugar de escalar el mapa de colores, escala sus datos y ajusta la barra de colores a eso.
¡Haz clic para puntuar esta entrada!
(Votos: 0 Promedio: 0)