python imshow如何定义颜色

Python 的 imshow 函数可以通过 colormap 参数自定义颜色、colormap 可以使用预设的颜色映射表、也可以定义自定义的颜色映射表。其中，使用预设的颜色映射表是最常见的方法。详细来说，可以直接在 imshow 函数中指定 cmap 参数来应用特定的颜色映射表，比如 'gray', 'viridis', 'plasma' 等。接下来我们详细介绍如何定义和使用这些颜色映射表。

一、使用预设的颜色映射表

Matplotlib 提供了丰富的预设颜色映射表，可以直接使用。常见的颜色映射表有 'gray', 'viridis', 'plasma', 'inferno', 'magma' 等。使用这些颜色映射表非常简单，只需在调用 imshow 函数时指定 cmap 参数即可。例如：

import matplotlib.pyplot as plt
import numpy as np
创建一个随机数据
data = np.random.rand(10, 10)
使用 'viridis' 颜色映射表
plt.imshow(data, cmap='viridis')
plt.colorbar()
plt.show()

在上面的代码中，cmap='viridis' 指定了使用 'viridis' 颜色映射表。plt.colorbar() 函数添加了一个颜色条，以显示数据值如何映射到颜色。

二、使用自定义颜色映射表

除了预设的颜色映射表之外，有时需要根据特定需求定义自定义的颜色映射表。可以使用 LinearSegmentedColormap 或 ListedColormap 来创建自定义的颜色映射表。

1. LinearSegmentedColormap

LinearSegmentedColormap 允许定义颜色在区间内的线性变化。首先需要创建一个字典，其中键为 'red', 'green', 'blue'，值为一个包含 (x, y0, y1) 三元组的列表。x 表示数据值在 [0, 1] 范围内的位置，y0 和 y1 表示该位置的颜色值的起点和终点。

from matplotlib.colors import LinearSegmentedColormap
定义颜色字典
cdict = {
    'red':   [(0.0, 0.0, 0.0),
              (0.5, 1.0, 1.0),
              (1.0, 1.0, 1.0)],
    'green': [(0.0, 0.0, 0.0),
              (0.5, 0.0, 0.0),
              (1.0, 1.0, 1.0)],
    'blue':  [(0.0, 1.0, 1.0),
              (0.5, 0.0, 0.0),
              (1.0, 0.0, 0.0)]
}
创建自定义颜色映射表
custom_cmap = LinearSegmentedColormap('custom_cmap', cdict)
使用自定义颜色映射表
plt.imshow(data, cmap=custom_cmap)
plt.colorbar()
plt.show()

2. ListedColormap

ListedColormap 允许直接定义一组离散的颜色，而不需要考虑颜色的线性变化。使用时可以直接传入颜色列表。

from matplotlib.colors import ListedColormap
定义颜色列表
colors = ['blue', 'green', 'yellow', 'red']
创建自定义颜色映射表
custom_cmap = ListedColormap(colors)
使用自定义颜色映射表
plt.imshow(data, cmap=custom_cmap)
plt.colorbar()
plt.show()

三、修改颜色映射表的范围

有时候希望调整颜色映射表的范围，使得特定范围内的数据值映射到特定的颜色范围。可以使用 vmin 和 vmax 参数来实现这一点。例如：

# 调整颜色映射表的范围
plt.imshow(data, cmap='viridis', vmin=0, vmax=0.5)
plt.colorbar()
plt.show()

在上面的代码中，vmin=0 和 vmax=0.5 指定了数据值在 [0, 0.5] 范围内映射到 'viridis' 颜色映射表。

四、在多子图中使用不同的颜色映射表

在一个绘图窗口中，可以使用多个子图，并为每个子图指定不同的颜色映射表。使用 plt.subplots() 函数创建多个子图，并分别设置颜色映射表。

fig, ax = plt.subplots(1, 2, figsize=(10, 4))
第一个子图使用 'viridis' 颜色映射表
ax[0].imshow(data, cmap='viridis')
ax[0].set_title('Viridis')
第二个子图使用自定义颜色映射表
ax[1].imshow(data, cmap=custom_cmap)
ax[1].set_title('Custom')
plt.colorbar(ax[0].images[0], ax=ax[0])
plt.colorbar(ax[1].images[0], ax=ax[1])
plt.show()

上面的代码创建了两个子图，分别使用不同的颜色映射表，并为每个子图添加颜色条。

五、颜色映射表的逆转

有时候希望逆转颜色映射表，使得颜色顺序反过来。可以通过在颜色映射表名称后加上 '_r' 来实现这一点。例如：

# 使用逆转的 'viridis' 颜色映射表
plt.imshow(data, cmap='viridis_r')
plt.colorbar()
plt.show()

在上面的代码中，cmap='viridis_r' 表示使用逆转的 'viridis' 颜色映射表。

六、颜色映射表的可视化

为了更好地理解颜色映射表，可以将颜色映射表可视化。Matplotlib 提供了 colors 模块中的 ColorbarBase 类，可以用来绘制颜色条。

import matplotlib.colors as mcolors
import numpy as np
定义函数来绘制颜色映射表
def plot_color_gradients(cmap_list, nrows, ncols):
    fig, axes = plt.subplots(nrows=nrows, ncols=ncols, figsize=(8, 8))
    for ax, cmap in zip(axes.flat, cmap_list):
        gradient = np.linspace(0, 1, 256)
        gradient = np.vstack((gradient, gradient))
        ax.imshow(gradient, aspect='auto', cmap=cmap)
        ax.set_title(cmap, fontsize=8)
        ax.set_axis_off()
    plt.tight_layout()
获取所有可用的颜色映射表名称
all_cmaps = sorted(mcolors.cmaps_listed.keys())
可视化前 16 个颜色映射表
plot_color_gradients(all_cmaps[:16], 4, 4)
plt.show()

上面的代码定义了一个函数 plot_color_gradients，用于可视化颜色映射表，并绘制了前 16 个颜色映射表。

七、颜色映射表的应用场景

不同的颜色映射表适用于不同的应用场景。选择合适的颜色映射表可以帮助更好地理解数据。下面列出了一些常见的应用场景和推荐的颜色映射表：

灰度图像：适用于单通道图像，如医学成像和遥感图像。推荐使用 'gray' 颜色映射表。
热图：适用于表示强度或密度的数据，如气象数据和热成像数据。推荐使用 'hot', 'cool', 'viridis' 颜色映射表。
分类数据：适用于离散分类数据，如土地利用类型和生物种群分布。推荐使用 'tab10', 'tab20', 'Set1' 等离散颜色映射表。
周期性数据：适用于具有周期性的连续数据，如相位数据和角度数据。推荐使用 'hsv', 'twilight' 颜色映射表。

八、创建渐变颜色映射表

有时候需要创建渐变的颜色映射表，以更好地表示数据的变化。可以使用 LinearSegmentedColormap 创建渐变颜色映射表。例如，创建一个从蓝色渐变到红色的颜色映射表：

from matplotlib.colors import LinearSegmentedColormap
定义渐变颜色字典
cdict = {
    'red':   [(0.0, 0.0, 0.0),
              (1.0, 1.0, 1.0)],
    'green': [(0.0, 0.0, 0.0),
              (1.0, 0.0, 0.0)],
    'blue':  [(0.0, 1.0, 1.0),
              (1.0, 0.0, 0.0)]
}
创建渐变颜色映射表
gradient_cmap = LinearSegmentedColormap('gradient_cmap', cdict)
使用渐变颜色映射表
plt.imshow(data, cmap=gradient_cmap)
plt.colorbar()
plt.show()

在上面的代码中，定义了一个从蓝色渐变到红色的颜色映射表，并在 imshow 函数中使用。

九、自定义颜色映射表的高级技巧

除了基本的自定义颜色映射表之外，还有一些高级技巧可以进一步增强颜色映射表的效果。

1. 使用透明度渐变

可以在颜色映射表中添加透明度渐变，以更好地表示数据的透明度。例如，创建一个带有透明度渐变的颜色映射表：

cdict = {
    'red':   [(0.0, 0.0, 0.0),
              (1.0, 1.0, 1.0)],
    'green': [(0.0, 0.0, 0.0),
              (1.0, 0.0, 0.0)],
    'blue':  [(0.0, 1.0, 1.0),
              (1.0, 0.0, 0.0)],
    'alpha': [(0.0, 0.0, 0.0),
              (1.0, 1.0, 1.0)]
}
创建带有透明度渐变的颜色映射表
alpha_cmap = LinearSegmentedColormap('alpha_cmap', cdict)
使用带有透明度渐变的颜色映射表
plt.imshow(data, cmap=alpha_cmap)
plt.colorbar()
plt.show()

在上面的代码中，添加了 'alpha' 键，定义了透明度渐变。

2. 使用多个颜色渐变段

可以在颜色映射表中定义多个颜色渐变段，以表示不同的数据范围。例如，创建一个从蓝色到绿色，再到红色的颜色映射表：

cdict = {
    'red':   [(0.0, 0.0, 0.0),
              (0.5, 0.0, 0.0),
              (1.0, 1.0, 1.0)],
    'green': [(0.0, 0.0, 0.0),
              (0.5, 1.0, 1.0),
              (1.0, 0.0, 0.0)],
    'blue':  [(0.0, 1.0, 1.0),
              (0.5, 0.0, 0.0),
              (1.0, 0.0, 0.0)]
}
创建多个颜色渐变段的颜色映射表
multi_segment_cmap = LinearSegmentedColormap('multi_segment_cmap', cdict)
使用多个颜色渐变段的颜色映射表
plt.imshow(data, cmap=multi_segment_cmap)
plt.colorbar()
plt.show()

在上面的代码中，定义了一个从蓝色到绿色，再到红色的颜色映射表。

十、总结

在使用 Python 的 imshow 函数时，自定义颜色映射表可以帮助更好地表示和理解数据。可以使用预设的颜色映射表，也可以根据需求定义自定义的颜色映射表。通过调整颜色映射表的范围、逆转颜色映射表、可视化颜色映射表以及创建渐变颜色映射表，可以进一步增强数据可视化的效果。选择合适的颜色映射表可以使数据更具可读性和表现力，有助于更好地分析和解释数据。