如何重新定义Matplotlib colormap中特定值的颜色？

Matplotlib是Python中最流行的绘图库，提供了各种各样的绘图功能。其中colormap是其重要组成部分，它可以将数据从数值域映射到色域，使得图形更加生动、直观。

然而，有时候我们需要对colormap中某些特定值进行重新定义，以更好地体现数据特性。本文将介绍如何利用Matplotlib定义自己的colormap，并对其中的特定值进行重新定义。

Matplotlib colormap的基本用法

Matplotlib中的colormap实际上是一系列颜色的序列，它们按照一定的规则映射到数据的数值上。

在Matplotlib中，colormap通常由以下三个部分组成：

Colormap名称：形如’viridis’, ‘jet’, ‘hot’等。
映射函数：从数据的最小值到最大值的区间映射到colormap中颜色的序列。
标准化映射：将数据的范围标准化到0-1区间。

Matplotlib中的colormap有很多种，可以通过matplotlib.cm模块调用得到。例如，下面的代码利用’viridis’ colormap，绘制从0到1的数值线性变化所对应的颜色：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 1, 100)
y = np.zeros_like(x)
plt.scatter(x,y,c=x,cmap='viridis')
plt.show()

在上述代码中，我们利用了cmap参数设置了colormap名称，实现了映射函数和标准化映射。

在Matplotlib中，有一些常用的colormap名称和颜色映射函数，包括：

‘autumn’: 红-黄色序列。
‘bone’: 黑-白序列，用于灰度图。
‘cool’: 青-洋红色序列。
‘copper’: 黑-铜色序列。
‘flag’: 蓝、白、红、黑序列。
‘gray’: 黑-白序列。
‘hot’: 黑 – 红 – 白序列。
‘hsv’: 色调-饱和度值(Hue-Saturation-Value)色彩空间序列。
‘jet’: 蓝灰-黄-红反映地形数据的序列。
‘pink’: pastel shades of pink and purple.
‘prism’: 粉-绿-蓝序列。

我们可以通过调用plt.cm.___来获取特定colormap的属性，其中”___”表示将要获取的colormap名称。例如：

import matplotlib.pyplot as plt
plt.cm.hot

输出结果为：

<matplotlib.colors.LinearSegmentedColormap at 0x7f7ce9f33390>

其中LinearSegmentedColormap就是该Colormap的颜色映射函数。

如何重新定义colormap中的特定值？

在实际工作中，我们经常需要对一部分特定数据进行单独的colormap设定，使得数据更加醒目。这时，我们可以使用下面两种方法中的一种进行调整。

方法一：用set_over和set_under方法

使用此方法，我们可以分别设定超出数据范围上下限的特定数据颜色，得到的效果如图2所示。其中，我们将数据范围设定为0到1，在数据0和1处的颜色单独进行了设置。

import matplotlib.pyplot as plt
import numpyimport numpy as np

x = np.linspace(-0.5, 1.5, 100)
y = np.zeros_like(x)
y[x<0] = -1
y[x>1] = 1
x[x<0] = -0.5
x[x>1] = 1.5

plt.scatter(x,y,c=x,cmap='RdYlBu', vmin=0, vmax=1)

cmap = plt.cm.get_cmap('RdYlBu')
cmap.set_under('pink') #设置低于vmin的颜色
cmap.set_over('yellow') #设置高于vmax的颜色

plt.colorbar()
plt.show()

在上述代码中，我们分别使用set_under和set_over方法，设定了低于vmin和高于vmax的特定数据颜色，pink和yellow表示对应的颜色。同时，我们也设定了vmin和vmax的取值范围。

方法二：使用discrete colormap

使用此方法，我们可以将所有的颜色视作离散的，然后在colormap中重新定义特定值的颜色。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-0.5, 1.5, 100)
y = np.zeros_like(x)
y[x<0] = -1
y[x>1] = 1
x[x<0] = -0.5
x[x>1] = 1.5

cmap = plt.cm.get_cmap('RdYlBu', 4) #将colormap分成4段
newcolors = cmap(np.linspace(0, 1, cmap.N))
pink = np.array([248/255,24/255,148/255,1])
yellow = np.array([247/255,242/255,0/255,1])
newcolors[0, :] = pink
newcolors[-1, :] = yellow
newcmap = matplotlib.colors.ListedColormap(newcolors)

plt.scatter(x,y,c=x,cmap=newcmap)

plt.colorbar()
plt.show()

在上述代码中, 我们利用ListedColormap设置了离散的colormap，重新定义了特定值的颜色。此时我们可以看到，中间的蓝色gradient仍然是连续的，但是两端的颜色分别被重新设定为粉和黄。