matplotlib 合理设置colorbar和子图的对应关系

matplotlib 合理设置colorbar和子图的对应关系

1. 介绍

在有些情况下，需要画同一个变量不同时刻的等值面图。考虑到不同时刻的数值有大小差异，因而生成的图的colorbar的标签范围也是不一样的。为了方便比较，最好多个时刻共享一个colorbar，方便比较。下面会依次使用 plt.contourf() 和 plt.imshow()函数进行画图介绍。

2 plt.contourf ()

2.1 错误示范

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

#生成一定整数范围内的随机数
a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

fig = plt.figure(figsize = (22,6))

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm)
c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm)
c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm)
c3 = plt.colorbar(h3) 

plt.show()

如上图，每个图上的相同的颜色表示的数值不一样，不方便比较；

2.2 使用 norm实现颜色和数值之间的对应关系

a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

fig = plt.figure(figsize = (22,6))

#将颜色映射到 vmin~vmax 之间
norm = matplotlib.colors.Normalize(vmin=0, vmax=15)

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
c3 = plt.colorbar(h3)

plt.show()

如上图，可以实现相同数值大小对应相同的颜色；

但是这样还是不太好看。最好是能够 每个子图的 colorbar的范围都一样(即从0-15)；

2.3 只显示最后一个的colorbar

那有同学想，是否可以只显示最后一个子图的colorbar，作为全局colorbar呢；这个当然也是可以的。

但是会带来一个问题，由于每个子图的大小(无论是否包含colorbar)是一样的，会使得图形大小看起来不一样，很不美观；

如下图：

2.4 使用 levels 参数设置

a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

fig = plt.figure(figsize = (22,6))

# norm = matplotlib.colors.Normalize(vmin=0, vmax=15)
#设置固定显示的colorbar刻度
levels = np.arange(0,17,2)

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,levels = levels)
c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,levels = levels)
c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,levels = levels)
c3 = plt.colorbar(h3)

plt.show()

3. 使用plt.imshow()

上面虽然设置了 norm，但是使用plt.contourf还是达不到我们的要求。链接3 给了我们一个示例，使用plt.imshow() + norm可以解决这个问题。按照他的思路，我们重复上面的试验。

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

# matplotlib.rcParams['xtick.direction'] = 'out'
# matplotlib.rcParams['ytick.direction'] = 'out'

a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

fig = plt.figure(figsize = (22,6),dpi=72, facecolor="white")

#将横纵坐标都映射到（0，1）的范围内
extent=(0,1,0,1)

vmin=0
vmax=15
#将颜色映射到 vmin~vmax 之间
norm = matplotlib.colors.Normalize(vmin=0, vmax=15)

ax1 = plt.subplot(1,3,1)
ax1.cla()
h1 = plt.imshow(a1,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.imshow(a2,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.imshow(a3,extent = extent,origin='lower',cmap = plt.cm.coolwarm,norm = norm)
c3 = plt.colorbar(h3)

font = {'family' : 'serif',
        'color'  : 'darkred',
        'weight' : 'normal',
        'size'   : 16,
        }

c3.set_label('$T_B(K)$',fontdict=font)
c3.set_ticks(np.arange(vmin,vmax,2))
c3.set_ticklabels(np.arange(vmin,vmax,2))

plt.show()

如上图，虽然使用plt.imshow可以解决这个问题，但是用带来了一些新问题：

• 在画子图的时候，colorbar的长度和子图的长度不一致；在单独画一个图的时候，并不存在这样的问题
• plt.imshow()是逐像素画图的，相比plt.contourf，分辨率很低，并不适合科研上的等值线作图。

4 单独设置colorbar

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

a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

#也可以通过这样 levels 进行设置
#h = plt.contourf(a1,levels = [0,1,2,3,4,5,6,7,8,9,10], cmap = plt.cm.coolwarm)

fig = plt.figure(figsize = (22,6))

norm = matplotlib.colors.Normalize(vmin=0, vmax=15)

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
# c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
# c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
# c3 = plt.colorbar(h3)
# c3.set_clim(vmax = 15)

#前面三个子图的总宽度 为 全部宽度的 0.9；剩下的0.1用来放置colorbar
fig.subplots_adjust(right=0.9)

#colorbar 左 下 宽 高 
l = 0.92
b = 0.12
w = 0.015
h = 1 - 2*b 

#对应 l,b,w,h；设置colorbar位置；
rect = [l,b,w,h] 
cbar_ax = fig.add_axes(rect) 
cb = plt.colorbar(h3, cax=cbar_ax)

#设置colorbar标签字体等
cb.ax.tick_params(labelsize=16)  #设置色标刻度字体大小。
font = {'family' : 'serif',
#       'color'  : 'darkred',
    'color'  : 'black',
    'weight' : 'normal',
    'size'   : 16,
    }
cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小

plt.show()

如上，是不是很漂亮了。后续适当做一些 坐标、字体等的基本设置，就完成了一张科研图的绘制！

4.1 方式一

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

a1 = np.random.randint(1,10,size=(10,10))
a2 = np.random.randint(1,13,size=(10,10))
a3 = np.random.randint(1,16,size=(10,10))

#也可以通过这样 levels 进行设置
#h = plt.contourf(a1,levels = [0,1,2,3,4,5,6,7,8,9,10], cmap = plt.cm.coolwarm)

fig = plt.figure(figsize = (22,6))

norm = matplotlib.colors.Normalize(vmin=0, vmax=15)

plt.subplot(1,3,1)
h1 = plt.contourf(a1,cmap = plt.cm.coolwarm,norm = norm)
# c1 = plt.colorbar(h1)

plt.subplot(1,3,2)
h2 = plt.contourf(a2,cmap = plt.cm.coolwarm,norm = norm)
# c2 = plt.colorbar(h2)

plt.subplot(1,3,3)
h3 = plt.contourf(a3,cmap = plt.cm.coolwarm,norm = norm)
# c3 = plt.colorbar(h3)
# c3.set_clim(vmax = 15)

#前面三个子图的总宽度 为 全部宽度的 0.9；剩下的0.1用来放置colorbar
fig.subplots_adjust(right=0.9)

#colorbar 左 下 宽 高 
l = 0.92
b = 0.12
w = 0.015
h = 1 - 2*b 

#对应 l,b,w,h；设置colorbar位置；
rect = [l,b,w,h] 
cbar_ax = fig.add_axes(rect) 
cb = plt.colorbar(h3, cax=cbar_ax)

#设置colorbar标签字体等
cb.ax.tick_params(labelsize=16)  #设置色标刻度字体大小。
font = {'family' : 'serif',
#       'color'  : 'darkred',
    'color'  : 'black',
    'weight' : 'normal',
    'size'   : 16,
    }
cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小

plt.show()

如上，是不是很漂亮了。后续适当做一些 坐标、字体等的基本设置，就完成了一张科研图的绘制！

4.2 方式二

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

#设置子图个数 和 整个图片的大小
fig, axes = plt.subplots(nrows=2, ncols=2,figsize = (12,10))

a_list = [5,10,15,20]

#设置colorbar的范围
vmin = 0
vmax = 20

norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)

for a,ax in zip(a_list,axes.flat):
    
    #设置每个子图
    data = np.random.randint(0,a,size = (20,20))
    im = ax.contourf(data,norm = norm)

#fig 的位置为[0,1]，设置前面4个子图的占的位置为[0,0.8]
fig.subplots_adjust(right=0.8)

#在原fig上添加一个子图句柄为cbar_ax, 设置其位置为[0.85,0.15,0.05,0.7]
#colorbar 左 下 宽 高 
l = 0.85
b = 0.12
w = 0.05
h = 1 - 2*b 
#对应 l,b,w,h；设置colorbar位置；
rect = [l,b,w,h] 
cbar_ax = fig.add_axes(rect)

cb = fig.colorbar(im, cax = cbar_ax) 

#设置colorbar标签字体等
cb.ax.tick_params(labelsize=16)  #设置色标刻度字体大小。
font = {'family' : 'serif',
#       'color'  : 'darkred',
    'color'  : 'black',
    'weight' : 'normal',
    'size'   : 16,
    }
cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小

plt.show()

4.3 问题

上述两种方式都存在一个潜在的问题。

​ 在添加colorbar的时，是使用最后一个子图的所在的数值范围。我们来看几种情况。

• 情况一：

  norm = [5,20], 对应colorbar上 5以下颜色一致。

• 情况二：

  最后一张子图的数值范围为 [0,15)，colorbar范围只能在15以内。

结论：

最后一张子图的数据范围决定了colorbar上显示的刻度的范围。

norm范围决定了colorbar颜色变化范围。

4.4 解决方法1：plt.contourf()

为了保证colorbar能覆盖所有子图的范围，应该使得 norm范围与设置colorbar时对应的子图im 的数值范围一致，并且所有子图的数值范围应该都在norm范围之内。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bI7GRXmn-1582701105492)(matplotlib 合理设置colorbar和子图的对应关系.assets/image-20200226135804785.png)]

因此有一个蠢办法：

• 即另外建一个fig2 , 这个fig2对应的数据范围包括fig1的数据范围。

  import numpy as np
  import matplotlib.pyplot as plt
  import matplotlib
  
  #设置子图个数 和 整个图片的大小
  fig1, axes = plt.subplots(nrows=2, ncols=2,figsize = (10,8))
  
  a_list = [5,10,20,15]
  
  #设置colorbar的范围
  vmin = 0
  vmax = 20
  norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)
  
  for a,ax in zip(a_list,axes.flat):
      
      #设置每个子图的数据范围
      data = np.random.randint(0,a,size = (20,20))
      im = ax.contourf(data,norm = norm)
  
  #fig1 的位置为[0,1]，设置前面4个子图的占的位置为[0,0.8]
  fig1.subplots_adjust(right=0.8)
  
  #在原fig1上添加一个子图句柄为cbar_ax, 设置其位置为[0.85,0.15,0.05,0.7]
  #colorbar 左 下 宽 高 
  l = 0.85
  b = 0.12
  w = 0.05
  h = 1 - 2*b 
  #对应 l,b,w,h；设置colorbar位置；
  rect = [l,b,w,h] 
  cbar_ax = fig1.add_axes(rect)
  
  ##设置一个fig2,其数值范围涵括fig1所有子图的数值范围
  fig2 = plt.figure(figsize = (18,6))
  all_data = np.random.randint(vmin,vmax,size = (20,20))
  h4 = plt.contourf(all_data,norm = norm)
  
  #设置fig1的colorbar对应fig2的数据范围
  cb = fig1.colorbar(h4, cax = cbar_ax) 
  
  #设置colorbar标签字体等
  cb.ax.tick_params(labelsize=16)  #设置色标刻度字体大小。
  font = {'family' : 'serif',
  #       'color'  : 'darkred',
      'color'  : 'black',
      'weight' : 'normal',
      'size'   : 16,
      }
  cb.set_label('T' ,fontdict=font) #设置colorbar的标签字体及其大小
  
  plt.show()
  

对比上述情况2的图片，情况有所改善，但是吊了一个尾巴。

4.5 解决办法2：plt.imshow()

import numpy as np
import matplotlib.pyplot as plt

a_list = [5,10,20,15]

#设置colorbar的范围
vmin = 0
vmax = 20
norm = matplotlib.colors.Normalize(vmin=vmin, vmax=vmax)

fig, axes = plt.subplots(nrows=2, ncols=2)
for a,ax in zip(a_list,axes.flat):
    
    #设置每个子图
    data = np.random.randint(0,a,size = (20,20))
    im = ax.imshow(data , vmin = vmin, vmax = vmax )

fig.colorbar(im, ax=axes.ravel().tolist())

plt.show()

使用这个方法可以解决上述情况2的问题，不需要吊个尾巴啦！

至于使用plt.imshow 和 plt.contourf，看各自喜好！另外，建议多看看官网例子。

参考链接

[1] 解决python画图中colorbar设置刻度和标签字体大小

[2] 使用matplotlib的示例：调整字体-设置刻度、坐标、colormap和colorbar等

[3] matplotlib官网例子