Matplotlib benutzerdefinierte divergierende Farbverlauf ignorieren Farben

Question

Ich habe an einigen Daten Plotten für Python funktioniert und ein solches Werkzeug, das ich für meine Forschung brauche, ist eine Reihe von Differenzdiagrammen, um die Änderungen zwischen zwei Datensätze zu vergleichen.

Ich bin jetzt an dem Punkt, wo ich meine Daten plotten möchte und ich habe in die Erstellung von benutzerdefinierten Farbkarten zur Handhabung der divergierenden Daten, aber alle meine Plots so weit sind entweder ignoriert bestimmte Schritte in meinem Farbverlauf, oder Die Farben werden für meine niedrigen Werte wiederholt.

Hier ist ein Beispiel Plot, der generiert wurde:

Und der Code für meine eigene Farbkarte, sowie das Plotten:

diffmap_17 = ["#FF0000", "#F81318", "#F12731", "#EB3B4A", "#EB5C66", "#EB7D82", "#EB9E9E", "#F1BEBE", "#F8DEDE", "#FFFFFF", "#DDDCFD", "#BCB9FB", "#9B96FA", "#6A6CFA", "#3A43FA", "#1D21FC", "#0000FF"] 
diffmap_17_colormap = matplotlib.colors.ListedColormap(diffmap_17) 

contour_levels = [-20, -10, -5, -2, -1, -0.75, -0.5, -0.25, -0.1, 0.0, 0.1, 0.25, 0.5, 0.75, 1, 2, 5, 10, 20] 
cs = m.contourf(x,y,data,contour_levels,cmap=diffmap_17_colormap) #plot total 

Mein Ziel ist es, die Farbkarte zu haben, der Nullpunkt muss weiß sein und dann nach außen divergieren (Rot negativ, Blau positiv). Momentan verwende ich eine Standard-Farbkarte, aber die Verwendung einer benutzerdefinierten Farbvorlage würde bevorzugt.

Jede Hilfe würde sehr geschätzt werden. Vielen Dank!

Answer 1

Das Problem besteht darin, dass die Farben aus der Colormap ausgewählt werden, indem der Bereich zwischen den Mindest- und Höchstwerten in gleiche Teile geteilt wird. Da die meisten Ebenen sehr nahe beieinander liegen, fallen sie in den gleichen Bereich und haben somit die gleiche Farbe.

Die einfachste Lösung besteht nicht darin, eine Colormap zu verwenden, sondern in einem Diagramm, in dem jede Ebene ihre Farbe aus der Farbliste erhält. In diesem Fall können Sie die Liste der Farben direkt dem contourf Grundstück zur Verfügung stellen.

Beachten Sie, dass, weil Sie 19 Stufen haben, Ihre Liste dann 18 Farben benötigen würde (ich fügte also eine hinzu).

import matplotlib.pyplot as plt 
import numpy as np 
import matplotlib.colors 

x, y= np.meshgrid(np.linspace(-3,3), np.linspace(-3,3)) 
r = np.sqrt(x**2+y**2) 
data = np.tan((r*0.7-1.5))*1.3 

diffmap_17 = ["#FF0000", "#F81318", "#F12731", "#EB3B4A", "#EB5C66", "#EB7D82", 
       "#EB9E9E", "#F1BEBE", "#F8DEDE", "#FFFFFF", "#DDDCFD", "#BCB9FB", 
       "#9B96FA", "#6A6CFA", "#3A43FA", "#1D21FC", "#0000FF", "#0000ce"] 

contour_levels = [-20, -10, -5, -2, -1, -0.75, -0.5, -0.25, -0.1, 0.0, 
        0.1, 0.25, 0.5, 0.75, 1, 2, 5, 10, 20] 
cs = plt.contourf(x,y,data,contour_levels,colors=diffmap_17) 

plt.colorbar(cs) 

plt.show() 

Wenn Sie stattdessen eine colormap verwenden, müssten Sie eine Normalisierung Instanz zusammen mit dem colormap bereitzustellen. A matplotlib.colors.BoundaryNorm würde die Farben entsprechend der Liste der Grenzen auswählen, die an sie geliefert werden, was die Liste der Ebenen für das Konturdiagramm wäre.

import matplotlib.pyplot as plt 
import numpy as np 
import matplotlib.colors 

x, y= np.meshgrid(np.linspace(-3,3), np.linspace(-3,3)) 
r = np.sqrt(x**2+y**2) 
data = np.tan((r*0.7-1.5))*1.3 

diffmap_17 = ["#FF0000", "#F81318", "#F12731", "#EB3B4A", "#EB5C66", "#EB7D82", 
       "#EB9E9E", "#F1BEBE", "#F8DEDE", "#FFFFFF", "#DDDCFD", "#BCB9FB", 
       "#9B96FA", "#6A6CFA", "#3A43FA", "#1D21FC", "#0000FF", "#0000ce"] 
diffmap_17_colormap = matplotlib.colors.ListedColormap(diffmap_17) 

contour_levels = [-20, -10, -5, -2, -1, -0.75, -0.5, -0.25, -0.1, 0.0, 
        0.1, 0.25, 0.5, 0.75, 1, 2, 5, 10, 20] 
norm = matplotlib.colors.BoundaryNorm(contour_levels, diffmap_17_colormap.N) 
cs = plt.contourf(x,y,data,contour_levels,cmap=diffmap_17_colormap, norm=norm) 

plt.colorbar(cs) 

plt.show() 

Die Ausgabedarstellung ist die gleiche wie oben.