Matplotlib 根据曲线y值的不同改变曲线颜色

在Matplotlib中，我们经常需要对曲线进行着色以便更好地展示数据，但是很少有人知道如何根据曲线的y值来改变其颜色。本文将介绍如何根据曲线的y值来动态改变曲线颜色和一些相关的技巧和例子。

实现方式

我们使用Matplotlib的plot函数来绘制曲线，并使用set_color函数来改变曲线的颜色。假设我们有指定y值范围内的曲线，我们可以按照如下步骤改变曲线颜色：

定义一个需要改变颜色的色带，使用numpy的linspace函数生成0到1之间均匀分布的数字，然后使用cm库中提供的颜色映射函数来将数字转换为颜色映射。
筛选需要改变颜色的曲线，提取其y值，并通过比较该y值和色带阈值的大小来改变曲线的颜色。
使用set_color函数将曲线颜色设置为需要的颜色。

实现代码如下：

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

# 定义x、y数据
x = np.arange(0,10,0.1)
y = np.sin(x)

#定义色带
cmap = cm.get_cmap('viridis')
threshold = 0.5

# 绘图
fig,ax = plt.subplots()
ax.plot(x,y,label='function')

# 根据y值改变曲线颜色
for i in range(len(x)):
    color = cmap(y[i]/(2*threshold)+0.5)
    if y[i] >= threshold:
        ax.plot(x[i],y[i],'o',color=color)
        ax.plot([x[i],x[i]],[0,y[i]],'--',color=color)

# 设置图例和标题
ax.legend()
ax.set_title('Sin(x) with colored values')

# 显示结果
plt.show()

可以看到，曲线的颜色随着y值的改变而改变，并且我们也添加了额外的点和竖虚线来高亮显示y值的位置。下面我们将结合更多的例子来深入学习如何根据曲线的y值来改变曲线颜色。

示例1：显示渲染范围

我们来考虑一个更加实际的例子，假设我们要绘制一个汽车的速度曲线，其中需要高亮显示一定速度范围内的数据。实现代码如下：

# 定义y值
speed = [2.0,2.2,2.5,3.0,3.5,4.0,4.2,4.5,4.0,3.5,3.0,2.5]

# 生成x值
time = np.arange(0,12)

# 定义渲染速度范围
speed_range = [3.0,4.0]

# 定义色带
cmap = cm.get_cmap('cool')

# 绘制曲线
fig,ax = plt.subplots()
ax.plot(time,speed,label='speed',linewidth=2,color='black')

# 根据速度范围改变颜色
for i in range(len(time)):
    if speed[i] >= speed_range[0] and speed[i] <= speed_range[1]:
        color = cmap((speed[i]-speed_range[0])/(speed_range[1]-speed_range[0]))
        ax.plot(time[i],speed[i],'o',color=color)

# 显示渲染速度范围
mask = (speed >= speed_range[0]) & (speed <= speed_range[1])
ax.fill_between(time, 0, speed, where=mask,facecolor='blue', alpha=0.2)

# 设置坐标轴标签和标题
ax.set_xlabel('Time (s)')
ax.set_ylabel('Speed (m/s)')
ax.set_title('Car speed with highlighted speed range')

# 显示结果
plt.show()

可以看到，我们根据速度的范围将速度曲线中的一部分用蓝色填充了出来，同时在图中用黑色虚线标识了速度的范围。这种方法可以在图中直接显示渲染的范围，使得观察者可以更加直观地理解数据。

示例2：根据y值改变线型

我们来考虑另一个例子，假设我们要绘制一条随机的正弦曲线，其中曲线在y值接近0时需要使用实线，而在y值偏离0时需要使用虚线来更好地区分数据。实现代码如下：

# 定义x、y值
x = np.arange(0,10,0.1)
y = np.sin(x)

#定义色带
cmap = cm.get_cmap('viridis')
threshold = 0.5

# 绘图
fig,ax = plt.subplots()
ax.plot(x,y,label='function')

# 根据y值改变曲线颜色和线型
for i in range(len(x)):
    color = cmap(y[i]/(2*threshold)+0.5)
    if abs(y[i]) < threshold:
        ax.plot(x[i],y[i],'o',color=color)
        ax.plot([x[i],x[i]],[0,y[i]],'-',color=color)
    else:
        ax.plot(x[i],y[i],'s',color=color)
        ax.plot([x[i],x[i]],[0,y[i]],'--',color=color)

# 设置图例和标题
ax.legend()
ax.set_title('Sin(x) with color and linestyle change')

# 显示结果
plt.show()

可以看到，我们根据y值的接近程度来改变曲线的线型，使得曲线在y值接近0时使用实线，在y值偏离0时使用虚线，从而更好地区分数据。同时我们也将曲线的颜色分为不同的颜色段，让颜色更加丰富。