在Matplotlib中设置等高线图的颜色条限制

Matplotlib是一个常用的数据可视化库，可以用于制作各种图表，包括等高线图。等高线图（Contour Plot）是在二维坐标系中，以等高线的形式表现三维数据变化的一种图形表示方法，常用于表示地形图、气压等变量的分布。在制作等高线图时，颜色条是一个很重要的组成部分，用于表示等高线图中不同颜色对应的数值范围。而为了达到更好的可视化效果，对颜色条的限制设置也非常重要。本文将介绍如何在Matplotlib中设置等高线图的颜色条限制。

生成数据

首先，我们需要生成一些数据进行实验。这里我们使用Python的NumPy库生成的二元函数值，作为等高线数据的基础。具体代码如下：

import numpy as np

# 生成二元函数值
x = np.linspace(-np.pi, np.pi, 100)
y = np.linspace(-np.pi, np.pi, 100)
xx, yy = np.meshgrid(x, y)
z = np.sin(xx)*np.cos(yy)

生成的等高线数据存储在变量z中，我们可视化输出一下看看：

import matplotlib.pyplot as plt

# 绘制等高线图
plt.contourf(x, y, z)
plt.colorbar()
plt.show()

Matplotlib设置颜色条限制

等高线图的颜色条直接反应了数据的范围和变化趋势，如果颜色条设置合理，能够更好地表达数据。Matplotlib提供了clim函数用于设置颜色条范围，可以通过人为设定颜色条上下限的方式，在图像上突出反映数据的特征。我们来看一个例子：

import matplotlib.pyplot as plt

# 绘制等高线图
plt.contourf(x, y, z, levels=np.linspace(-1, 1, 11))
plt.colorbar()
plt.show()

这里的clim函数的参数就可以设置颜色条的范围。

上面的代码中，我们通过设置等高线数据的显示范围为levels= np.linspace(-1, 1, 11)，表示将等高线数据等分10份，每份的最小值和最大值分别为[-1, -0.8, -0.6, ..., 0.8, 1]。最后的colorbar()函数用于显示颜色条。

我们可以看到，当设置颜色条限制时，等高线图的上下限都被限制在了[-1, 1]之间。

原生颜色映射表

在Matplotlib中，有很多原生的色带，可以直接调用。例如，plt.cm.jet色带、plt.cm.bone色带、plt.cm.hot色带等，具体可以查看[官方文档][1]。这些预设的色带常用在图像和图形上。

下面的代码中，我们使用plt.cm.jet原生的颜色映射表，将等高线数据设定为levels = np.linspace(-1, 1, 11)。最终的等高线图如下：

import matplotlib.pyplot as plt
import matplotlib as mpl

# 绘制等高线图
plt.contourf(x, y, z, levels=np.linspace(-1, 1, 11), cmap=plt.cm.jet)
plt.colorbar()
plt.show()

我们可以看到，根据设置的levels和色带表现的效果，颜色条的上限和下限已经被映射到了对应的颜色中。

自定义颜色映射表

除了原生颜色映射表，Matplotlib还允许用户自定义颜色映射表。用户可以自己定义一组特定的颜色，将其插入色带中，并在图中回调这个颜色表。在Matplotlib中，自定义色带需要使用ListedColormap类，在ListedColormap类的构造函数中传入一个颜色列表。每个颜色都可以用元组(r, g, b, a)中的值表示，rgba分别表示红、绿、蓝和透明度的取值，取值范围在0-1之间。

下面的代码中，我们使用自定义配色方案，自定义颜色映射表，并利用自定义的颜色映射表生成等高线图：

import matplotlib.pyplot as plt
import matplotlib as mpl

# 设置自定义配色方案
colors = [(0, 0, 0.5), (0, 0.2, 1), (0, 0.5, 1), (0, 0.7, 1), (0, 1, 1), (0.2, 1, 0.7), (0.5, 1, 0), (0.7, 1, 0), (1, 1, 0), (1, 0.7, 0), (1, 0.5, 0), (1, 0.2, 0), (1, 0, 0)]

# 定义一个自定义颜色映射表
custom_cmap = mpl.colors.ListedColormap(colors, name='custom')

# 绘制等高线图
plt.contourf(x, y, z, levels=np.linspace(-1, 1, 11), cmap=custom_cmap)
plt.colorbar()
plt.show()

利用上述代码，我们定义了一个13种颜色的自定义配色方案，并采用自定义颜色映射表生成等高线图：

我们可以看到一个明显的Gradual的过渡。自定义的颜色映射表的形式也具有灵活性，用户可以根据实际需求进行自由定义。