Odwróć mapę kolorów w matplotlib

Chciałbym wiedzieć, jak po prostu odwrócić kolejność kolorów danej mapy kolorów, aby używać jej z powierzchnią plot_surface.

Wszystkie standardowe mapy kolorów również mają wersje odwrócone. Mają te same nazwy z _rprzypiętym do końca. ( Dokumentacja tutaj. )

W matplotlib mapa kolorów nie jest listą, ale zawiera listę jej kolorów jako colormap.colors. Moduł matplotlib.colorszapewnia funkcję ListedColormap()generowania mapy kolorów z listy. Dzięki temu możesz odwrócić dowolną mapę kolorów

colormap_r = ListedColormap(colormap.colors[::-1])

Rozwiązanie jest dość proste. Załóżmy, że chcesz użyć schematu kolorów „jesiennych”. Wersja standardowa:

cmap = matplotlib.cm.autumn

Aby odwrócić spektrum kolorów mapy kolorów, użyj funkcji get_cmap () i dodaj „_r” do tytułu mapy kolorów w następujący sposób:

cmap_reversed = matplotlib.cm.get_cmap('autumn_r')

Ponieważ a LinearSegmentedColormapsjest oparte na słowniku czerwieni, zieleni i niebieskiego, konieczne jest odwrócenie każdego elementu:

import matplotlib.pyplot as plt
import matplotlib as mpl
def reverse_colourmap(cmap, name = 'my_cmap_r'):
    """
    In: 
    cmap, name 
    Out:
    my_cmap_r

    Explanation:
    t[0] goes from 0 to 1
    row i:   x  y0  y1 -> t[0] t[1] t[2]
                   /
                  /
    row i+1: x  y0  y1 -> t[n] t[1] t[2]

    so the inverse should do the same:
    row i+1: x  y1  y0 -> 1-t[0] t[2] t[1]
                   /
                  /
    row i:   x  y1  y0 -> 1-t[n] t[2] t[1]
    """        
    reverse = []
    k = []   

    for key in cmap._segmentdata:    
        k.append(key)
        channel = cmap._segmentdata[key]
        data = []

        for t in channel:                    
            data.append((1-t[0],t[2],t[1]))            
        reverse.append(sorted(data))    

    LinearL = dict(zip(k,reverse))
    my_cmap_r = mpl.colors.LinearSegmentedColormap(name, LinearL) 
    return my_cmap_r

Sprawdź, czy to działa:

my_cmap        
<matplotlib.colors.LinearSegmentedColormap at 0xd5a0518>

my_cmap_r = reverse_colourmap(my_cmap)

fig = plt.figure(figsize=(8, 2))
ax1 = fig.add_axes([0.05, 0.80, 0.9, 0.15])
ax2 = fig.add_axes([0.05, 0.475, 0.9, 0.15])
norm = mpl.colors.Normalize(vmin=0, vmax=1)
cb1 = mpl.colorbar.ColorbarBase(ax1, cmap = my_cmap, norm=norm,orientation='horizontal')
cb2 = mpl.colorbar.ColorbarBase(ax2, cmap = my_cmap_r, norm=norm, orientation='horizontal')

EDYTOWAĆ

Nie otrzymuję komentarza użytkownika 3445587. Działa dobrze na tęczowej colormap:

cmap = mpl.cm.jet
cmap_r = reverse_colourmap(cmap)

fig = plt.figure(figsize=(8, 2))
ax1 = fig.add_axes([0.05, 0.80, 0.9, 0.15])
ax2 = fig.add_axes([0.05, 0.475, 0.9, 0.15])
norm = mpl.colors.Normalize(vmin=0, vmax=1)
cb1 = mpl.colorbar.ColorbarBase(ax1, cmap = cmap, norm=norm,orientation='horizontal')
cb2 = mpl.colorbar.ColorbarBase(ax2, cmap = cmap_r, norm=norm, orientation='horizontal')

Ale działa to szczególnie dobrze w przypadku niestandardowych deklarowanych map kolorów, ponieważ nie ma wartości domyślnej _rdla niestandardowych deklarowanych map kolorów. Poniższy przykład pochodzi z http://matplotlib.org/examples/pylab_examples/custom_cmap.html :

cdict1 = {'red':   ((0.0, 0.0, 0.0),
                   (0.5, 0.0, 0.1),
                   (1.0, 1.0, 1.0)),

         'green': ((0.0, 0.0, 0.0),
                   (1.0, 0.0, 0.0)),

         'blue':  ((0.0, 0.0, 1.0),
                   (0.5, 0.1, 0.0),
                   (1.0, 0.0, 0.0))
         }

blue_red1 = mpl.colors.LinearSegmentedColormap('BlueRed1', cdict1)
blue_red1_r = reverse_colourmap(blue_red1)

fig = plt.figure(figsize=(8, 2))
ax1 = fig.add_axes([0.05, 0.80, 0.9, 0.15])
ax2 = fig.add_axes([0.05, 0.475, 0.9, 0.15])

norm = mpl.colors.Normalize(vmin=0, vmax=1)
cb1 = mpl.colorbar.ColorbarBase(ax1, cmap = blue_red1, norm=norm,orientation='horizontal')
cb2 = mpl.colorbar.ColorbarBase(ax2, cmap = blue_red1_r, norm=norm, orientation='horizontal')

Od Matplotlib 2.0 istnieje reversed()metoda ListedColormapi LinearSegmentedColorMapobiekty, więc możesz to zrobić

cmap_reversed = cmap.reversed()

Oto dokumentacja.

Istnieją dwa rodzaje LinearSegmentedColormaps. W niektórych przypadkach dane _segment są podane jawnie, np. Dla jet:

>>> cm.jet._segmentdata
{'blue': ((0.0, 0.5, 0.5), (0.11, 1, 1), (0.34, 1, 1), (0.65, 0, 0), (1, 0, 0)), 'red': ((0.0, 0, 0), (0.35, 0, 0), (0.66, 1, 1), (0.89, 1, 1), (1, 0.5, 0.5)), 'green': ((0.0, 0, 0), (0.125, 0, 0), (0.375, 1, 1), (0.64, 1, 1), (0.91, 0, 0), (1, 0, 0))}

W przypadku tęczy _segmentdata podano w następujący sposób:

>>> cm.rainbow._segmentdata
{'blue': <function <lambda> at 0x7fac32ac2b70>, 'red': <function <lambda> at 0x7fac32ac7840>, 'green': <function <lambda> at 0x7fac32ac2d08>}

Możemy znaleźć funkcje w źródle matplotlib, gdzie podano je jako

_rainbow_data = {
        'red': gfunc[33],   # 33: lambda x: np.abs(2 * x - 0.5),
        'green': gfunc[13], # 13: lambda x: np.sin(x * np.pi),
        'blue': gfunc[10],  # 10: lambda x: np.cos(x * np.pi / 2)
}

Wszystko, czego chcesz, jest już zrobione w matplotlib, wystarczy wywołać cm.revcmap, który odwraca oba typy danych segmentu, więc

cm.revcmap(cm.rainbow._segmentdata)

powinien wykonać zadanie - możesz po prostu utworzyć nowy LinearSegmentData z tego. W revcmap następuje odwrócenie danych segmentowych opartych na funkcjach

def _reverser(f):
    def freversed(x):
        return f(1 - x)
    return freversed

podczas gdy inne listy są odwracane jak zwykle

valnew = [(1.0 - x, y1, y0) for x, y0, y1 in reversed(val)] 

Więc właściwie to wszystko, czego chcesz, to

def reverse_colourmap(cmap, name = 'my_cmap_r'):
     return mpl.colors.LinearSegmentedColormap(name, cm.revcmap(cmap._segmentdata)) 

Nie ma (jeszcze) wbudowanego sposobu odwracania dowolnych mapowań kolorów, ale jednym prostym rozwiązaniem jest nie modyfikowanie paska kolorów, ale utworzenie odwracalnego obiektu Normalizuj:

from matplotlib.colors import Normalize

class InvertedNormalize(Normalize):
    def __call__(self, *args, **kwargs):
        return 1 - super(InvertedNormalize, self).__call__(*args, **kwargs)

Następnie możesz użyć tego z plot_surfaceinnymi funkcjami drukowania Matplotlib, wykonując np

inverted_norm = InvertedNormalize(vmin=10, vmax=100)
ax.plot_surface(..., cmap=<your colormap>, norm=inverted_norm)

Będzie to działać z każdą mapą kolorów Matplotlib.