HOWTO · Matplotlib

Benutzerdefinierte Farbkarte mit Python Matplotlib

In diesem Artikel wird erläutert, wie wir mit Matplotlib in Python eine benutzerdefinierte Farbkarte erstellen können. Es werden zwei Möglichkeiten gezeigt, mit der Klasse ListedColormap und der Klasse LinearSegmentedColormap eine benutzerdefinierte Farbkarte mit Matplotlib in Python zu erstellen.

Auf dieser Seite

Verwenden Sie ListedColormap, wenn jede Kategorie eine eigene Farbe erhalten soll, und LinearSegmentedColormap, wenn Werte in einen Farbverlauf übergehen sollen. Beide sind Colormap-Klassen von Matplotlib und lassen sich über das Argument cmap an Plot-Funktionen übergeben. Dieser Leitfaden zeigt außerdem, wie Sie eine eingebaute Colormap untersuchen und ihre RGBA-Werte abrufen.

Mit Matplotlib eine benutzerdefinierte Colormap in Python erstellen

Eine Colormap ordnet numerischen Werten Farben zu. Für Kategoriecodes oder eine kleine Auswahl fester Farben definieren Sie eine ListedColormap. Sollen die Farben für Messwerte sanft ineinander übergehen, verwenden Sie eine LinearSegmentedColormap. Wählen Sie beim Anwenden der Colormap eine Normalisierung, die zum Wertebereich der einzufärbenden Daten passt. Andernfalls entsprechen die dargestellten Farben möglicherweise nicht dem beabsichtigten Datenbereich.

Mit Matplotlibs Funktion get_cmap() auf Colormaps und ihre Werte in Python zugreifen

Die Funktion get_cmap() ruft eine benannte, eingebaute Colormap ab. Eine Colormap ist aufrufbar: Übergeben Sie einen Wert zwischen 0 und 1, um ein RGBA-Tupel abzurufen. Dessen letzte Komponente gibt die Deckkraft an. Um Stichproben von Farben zu untersuchen, übergeben Sie stattdessen eine Folge von Werten. Dieses Beispiel gibt eine abgetastete Farbe aus:

import matplotlib.pyplot as plt

viridis = plt.get_cmap("viridis")
print(viridis(0.56))
(np.float64(0.120081), np.float64(0.622161), np.float64(0.534946), np.float64(1.0))

Für eine endliche Nachschlagetabelle können Sie die Colormap mit viridis.resampled(8) neu abtasten. Eine ListedColormap stellt ihre Einträge über colors bereit. Eine kontinuierliche Colormap wie LinearSegmentedColormap wird abgetastet, indem Sie sie mit Werten aufrufen.

Mit dem Attribut colors von ListedColormap eine benutzerdefinierte diskrete Colormap in Python erstellen

ListedColormap akzeptiert Farbnamen oder numerische RGBA-Einträge. Die Werte der RGBA-Kanäle liegen üblicherweise zwischen 0 und 1. Wenn die Colormap als Liste dargestellt wird, enthält ihr Attribut colors die diskreten Einträge. Das folgende eigenständige Beispiel erstellt beide Varianten und wendet die Colormap mit Farbnamen in einem Streudiagramm auf Kategoriecodes an. Passen Sie categories und die Normalisierung an Ihre Daten an.

import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap, Normalize

named_map = ListedColormap(["darkorange", "gold", "lightseagreen"], name="groups")
rgba_map = ListedColormap([
    (0.58, 0.41, 0.27, 1.0),
    (0.00, 0.41, 0.27, 1.0),
    (0.58, 0.00, 0.27, 1.0),
], name="rgba_groups")

x = [1, 2, 3, 4, 5, 6]
y = [1, 4, 2, 5, 3, 6]
categories = [0, 0, 1, 1, 2, 2]
plt.scatter(x, y, c=categories, cmap=named_map, norm=Normalize(0, 2))
plt.colorbar(ticks=[0, 1, 2])
plt.show()

Der Aufruf Normalize(0, 2) ordnet die Kategoriecodes den drei Einträgen zu; die Markierungen der Farbleiste kennzeichnen diese Codes. Mit rgba_map.colors können Sie die explizite RGBA-Liste untersuchen. Wenn sich die Anzahl der Farben und der Kategoriecodes unterscheidet, passen Sie die Colormap oder die Normalisierung so an, dass jede Kategorie wie vorgesehen zugeordnet wird.

Eine benutzerdefinierte linear segmentierte Colormap in Python erstellen

Eine LinearSegmentedColormap interpoliert Farbkanäle zwischen festgelegten Positionen, um einen Farbverlauf zu erzeugen. Ihr cdict (Farbdictionary) enthält Kanalschlüssel wie red, green und blue. Die Zeilen jedes Kanals haben die Form [x, yleft, yright]: x bezeichnet eine Position zwischen 0 und 1; die anderen Werte geben den Kanalwert links und rechts dieser Position an. Die Positionen müssen von 0 bis 1 aufsteigend sein. Sind linker und rechter Wert gleich, verläuft der Übergang am Ankerpunkt kontinuierlich; unterschiedliche Werte beschreiben einen Sprung.

Dieses eigenständige Beispiel erstellt einen Farbverlauf mit Ankerpunkten und einen zweiten mit from_list() und stellt beide anhand von Beispieldaten dar. Die angezeigten Titel „Anchors“ und „Color list“ bleiben auf Englisch: „Anchors“ bezeichnet den Verlauf mit Ankerpunkten, „Color list“ den Verlauf aus from_list(). Die gerenderten Abbildungen wurden nicht visuell überprüft.

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

cdict = {
    "red": [(0.0, 0.0, 0.0), (0.5, 0.1, 0.1), (1.0, 1.0, 1.0)],
    "green": [(0.0, 0.0, 0.0), (0.5, 0.8, 0.8), (1.0, 0.2, 0.2)],
    "blue": [(0.0, 0.4, 0.4), (0.5, 0.1, 0.1), (1.0, 0.0, 0.0)],
}
anchor_map = LinearSegmentedColormap("anchor_gradient", cdict, N=256)
list_map = LinearSegmentedColormap.from_list(
    "list_gradient", ["navy", "gold", "crimson"], N=256
)

values = np.arange(36).reshape(6, 6)
fig, axes = plt.subplots(1, 2)
for ax, cmap, title in zip(axes, [anchor_map, list_map], ["Anchors", "Color list"]):
    image = ax.imshow(values, cmap=cmap)
    ax.set_title(title)
    fig.colorbar(image, ax=ax)
plt.tight_layout()
plt.show()

Verwenden Sie den Dictionary-Konstruktor, wenn Sie die Kanäle genau steuern oder bestimmte Ankerpunkte festlegen möchten. Für einen einfachen Verlauf durch benannte Farben eignet sich LinearSegmentedColormap.from_list(); die Farben werden über die Colormap hinweg interpoliert. N legt die Größe der Nachschlagetabelle fest, und gamma steuert die Skalierung der Eingabepositionen.

Fazit

Wählen Sie ListedColormap für diskrete Kategorien mit gezielt zugewiesenen Farben. Für einen kontinuierlichen Farbverlauf verwenden Sie LinearSegmentedColormap mit Ankerpunkten in cdict oder Farben aus from_list(). Rufen Sie eingebaute Colormaps mit get_cmap() ab, untersuchen Sie ihre abgetasteten RGBA-Werte und übergeben Sie die gewünschte Colormap zusammen mit einer passenden Normalisierung an den Plot.