Naprawianie kolorów na wykresach punktowych w matplotlib

Question

Chcę ustawić zakres kolorów na wielu wykresach punktowych i dodać pasek kolorów do każdego wykresu (który będzie taki sam na każdym rysunku). Zasadniczo naprawiam wszystkie aspekty osi i przestrzeni kolorów itp., Aby wykresy były bezpośrednio porównywalne przez oko.

Dla mojego życia nie mogę wymyślić wszystkich różnych sposobów ustalania zakresu kolorów. Próbowałem vmin, vmax, ale nic nie robi, próbowałem również clim (x, y) i to też nie działa.

To musi pojawić się tu i tam, nie mogę być jedynym, który chce porównać różne podzbiory danych między działkami ... tak, jak poprawiają kolory, aby każde dane utrzymywało kolor między działkami i nie zmienia się na inny kolor ze względu na zmianę maks./min. podzestawu -v- całego zestawu?

Answer 1

Ustawienia vmin i vmax powinny to zrobić.

Oto przykład:

import matplotlib.pyplot as plt 

xyc = range(20) 

plt.subplot(121) 
plt.scatter(xyc[:13], xyc[:13], c=xyc[:13], s=35, vmin=0, vmax=20) 
plt.colorbar() 
plt.xlim(0, 20) 
plt.ylim(0, 20) 

plt.subplot(122) 
plt.scatter(xyc[8:20], xyc[8:20], c=xyc[8:20], s=35, vmin=0, vmax=20) 
plt.colorbar() 
plt.xlim(0, 20) 
plt.ylim(0, 20) 

plt.show() 

a fabuła to produkuje:

alt text http://i45.tinypic.com/2qsqvrk.png

Answer 2

Ok, to naprawdę nie jest odpowiedzią, ale follow-up. Wyniki mojego kodowania zmieniają kod Toma powyżej. [nie jestem pewien, że chcę usunąć znak wyboru odpowiedzi, ponieważ powyższy kod działa i jest odpowiedzią na pytanie!]

Nie wydaje się, że działa on dla moich danych !! Poniżej znajduje się zmodyfikowany kod, który można wykorzystać z moimi danymi, aby wytworzyć wykres, który nie działał dla mnie z jakiegoś dziwnego powodu. Dane wejściowe pochodziły z funkcji h5py (import plików danych hdf5).

W poniższym przykładzie rf85 jest podzestawem macierzy dla dużej partii eksperymentów, w której moc promieniowania RF zastosowana w systemie wynosiła około 85 watów do przodu. Zasadniczo kroję i kroję dane na różne sposoby, aby spróbować zobaczyć trend. To jest 85 watów w porównaniu do pełnego zestawu danych, który jest bieżącym wejściem (jest więcej danych, ale to jest to, co mam na razie).

import numpy 
import matplotlib.pyplot as plt 

CurrentsArray = [array([ 0.83333333, 0.8  , 0.57142857, 0.83333333, 1.03333333, 
     0.25  , 0.81666667, 0.35714286, 0.26  , 0.57142857, 
     0.83333333, 0.47368421, 0.80645161, 0.47368421, 0.52631579, 
     0.36666667, 0.47368421, 0.57142857, 0.47368421, 0.47368421, 
     0.47368421, 0.47368421, 0.47368421, 0.61764706, 0.81081081, 
     0.41666667, 0.47368421, 0.47368421, 0.45  , 0.73333333, 
     0.8  , 0.8  , 0.8  , 0.47368421, 0.45  , 
     0.47368421, 0.83333333, 0.47368421, 0.22222222, 0.32894737, 
     0.57142857, 0.83333333, 0.83333333, 1.  , 1.  , 
     0.46666667])] 

growthTarray = [array([ 705., 620., 705., 725., 712., 705., 680., 680., 620., 
     660., 660., 740., 721., 730., 720., 720., 730., 705., 
     690., 705., 680., 715., 705., 670., 705., 705., 650., 
     725., 725., 650., 650., 650., 714., 740., 710., 717., 
     737., 740., 660., 705., 725., 650., 710., 703., 700., 650.])] 

CuSearray = [array([ 0.46395015, 0.30287259, 0.43496888, 0.46931773, 0.47685844, 
     0.44894925, 0.50727844, 0.45076198, 0.44977095, 0.41455029, 
     0.38089693, 0.98174953, 0.48600461, 0.65466528, 0.40563053, 
     0.22990327, 0.54372179, 0.43143358, 0.92515847, 0.73701742, 
     0.64152173, 0.52708783, 0.51794063, 0.49  , 0.48878252, 
     0.45119732, 0.2190089 , 0.43470776, 0.43509758, 0.52697697, 
     0.21576805, 0.32913721, 0.48828072, 0.62201997, 0.71442359, 
     0.55454867, 0.50981136, 0.48212956, 0.46  , 0.45732419, 
     0.43402525, 0.40290777, 0.38594786, 0.36777306, 0.36517926, 
     0.29880924])] 

PFarray = [array([ 384., 285., 280., 274., 185., 185., 184., 184., 184., 
     184., 184., 181., 110., 100., 100., 100., 85., 85., 
     84., 84., 84., 84., 84., 84., 84., 84., 84., 
     84., 84., 84., 84., 84., 27., 20., 5., 5., 
      1., 0., 0., 0., 0., 0., 0., 0., 0., 0.])] 

rf85growthTarray = [array([ 730., 705., 690., 705., 680., 715., 705., 670., 705., 
     705., 650., 725., 725., 650., 650., 650.])] 

rf85CuSearray = [array([ 0.54372179, 0.43143358, 0.92515847, 0.73701742, 0.64152173, 
     0.52708783, 0.51794063, 0.49  , 0.48878252, 0.45119732, 
     0.2190089 , 0.43470776, 0.43509758, 0.52697697, 0.21576805, 
     0.32913721])] 

rf85PFarray = [array([ 85., 85., 84., 84., 84., 84., 84., 84., 84., 84., 84., 
     84., 84., 84., 84., 84.])] 

rf85CurrentsArray = [array([ 0.54372179, 0.43143358, 0.92515847, 0.73701742, 0.64152173, 
     0.52708783, 0.51794063, 0.49  , 0.48878252, 0.45119732, 
     0.2190089 , 0.43470776, 0.43509758, 0.52697697, 0.21576805, 
     0.32913721])] 

Datavmax = max(max(CurrentsArray)) 
Datavmin = min(min(CurrentsArray)) 

plt.subplot(121) 
plt.scatter(growthTarray, CuSearray, PFarray, CurrentsArray, vmin=Datavmin, vmax=Datavmax, alpha=0.75) 
plt.colorbar() 
plt.xlim(600,760) 
plt.ylim(0,2.5) 

plt.subplot(122) 
plt.scatter(rf85growthTarray, rf85CuSearray, rf85PFarray, rf85CurrentsArray, vmin=Datavmin, vmax=Datavmax, alpha=0.75) 
plt.colorbar() 
plt.xlim(600,760) 
plt.ylim(0,2.5) 

plt.show() 

I wreszcie, wyjście:

colorfailed! http://i50.tinypic.com/21b6c7k.png

Należy pamiętać, że nie jest to idealne wyjście dla mojej pracy, ale nie wydać wysiłku co czyni go idealnym. Co jest jednak ważne: punkty danych, które rozpoznasz jako takie same między działkami , nie zawierają tego samego koloru, co, tak jak powinno być w oparciu o powyższe vmax vmin (jak sugeruje kod Toma).

To jest szalone. :(Mam nadzieję, że ktoś może rzucić na to światło dla mnie! Jestem pewien, że mój kod nie jest tak wspaniały, więc proszę, nie przejmujcie się obrażeniami, jeśli chodzi o mój kod !!

Dodatkowa torba firey-gorący Cheetos do każdego, kto może zaproponować sposób naprzód -Allen

update Tom10 złapany problem. - miałem nieumyślnie użył niewłaściwych danych dla jednego z moich sub-macierzy, powodując wartości do daj różne poziomy kolorów, niż się spodziewano (tj. moje dane były błędne!) Wielkie rekwizyty dla Toma za to - chciałbym móc dać mu jeszcze inny głos, ale ze względu na moją metodę zadawania tego pytania, nie mogę (sorry Tom !)

Zobacz także jego wspaniały przykład drukowania tekstu w wymienionych poniżej pozycjach danych.

Oto uaktualniony obraz pokazujący, że metoda Toma rzeczywiście działa, i że spisek był problem w moim kodu: alt text http://i50.tinypic.com/2ljgh8i.png