Ottenere i singoli colori da una mappa dei colori in matplotlib

Se hai una mappa dei colori cmap, ad esempio:

cmap = matplotlib.cm.get_cmap('Spectral')

Come puoi ottenere un colore particolare da esso tra 0 e 1, dove 0 è il primo colore nella mappa e 1 è l'ultimo colore nella mappa?

Idealmente, sarei in grado di ottenere il colore medio nella mappa facendo:

>>> do_some_magic(cmap, 0.5) # Return an RGBA tuple
(0.1, 0.2, 0.3, 1.0)

Puoi farlo con il codice qui sotto e il codice nella tua domanda era in realtà molto vicino a ciò di cui avevi bisogno, tutto ciò che devi fare è chiamare l' cmapoggetto che hai.

import matplotlib

cmap = matplotlib.cm.get_cmap('Spectral')

rgba = cmap(0.5)
print(rgba) # (0.99807766255210428, 0.99923106502084169, 0.74602077638401709, 1.0)

Per valori al di fuori dell'intervallo [0.0, 1.0] restituirà il colore under e over (rispettivamente). Questo, per impostazione predefinita, è il colore minimo e massimo all'interno dell'intervallo (quindi 0,0 e 1,0). Questa impostazione predefinita può essere modificata con cmap.set_under()e cmap.set_over().

Per numeri "speciali" come np.nane np.infil default è usare il valore 0.0, questo può essere cambiato usando in cmap.set_bad()modo simile a under e over come sopra.

Infine, potrebbe essere necessario normalizzare i dati in modo che siano conformi all'intervallo [0.0, 1.0]. Questo può essere fatto usando matplotlib.colors.Normalizesemplicemente come mostrato nel piccolo esempio di seguito in cui gli argomenti vmine vmaxdescrivono quali numeri devono essere mappati rispettivamente su 0,0 e 1,0.

import matplotlib

norm = matplotlib.colors.Normalize(vmin=10.0, vmax=20.0)

print(norm(15.0)) # 0.5

Un normalizzatore logaritmico ( matplotlib.colors.LogNorm ) è disponibile anche per intervalli di dati con un ampio intervallo di valori.

(Grazie sia a Joe Kington che a tcaswell per i suggerimenti su come migliorare la risposta.)

Per ottenere il valore intero rgba invece del valore float, possiamo fare

rgba = cmap(0.5,bytes=True)

Quindi, per semplificare il codice basato sulla risposta di Ffisegydd, il codice sarebbe così:

#import colormap
from matplotlib import cm

#normalize item number values to colormap
norm = matplotlib.colors.Normalize(vmin=0, vmax=1000)

#colormap possible values = viridis, jet, spectral
rgba_color = cm.jet(norm(400),bytes=True) 

#400 is one of value between 0 and 1000

Per sfruttare le soluzioni di Ffisegydd e amaliammr , ecco un esempio in cui realizziamo la rappresentazione CSV per una mappa colori personalizzata:

#! /usr/bin/env python3
import matplotlib
import numpy as np 

vmin = 0.1
vmax = 1000

norm = matplotlib.colors.Normalize(np.log10(vmin), np.log10(vmax))
lognum = norm(np.log10([.5, 2., 10, 40, 150,1000]))

cdict = {
    'red':
    (
        (0., 0, 0),
        (lognum[0], 0, 0),
        (lognum[1], 0, 0),
        (lognum[2], 1, 1),
        (lognum[3], 0.8, 0.8),
        (lognum[4], .7, .7),
    (lognum[5], .7, .7)
    ),
    'green':
    (
        (0., .6, .6),
        (lognum[0], 0.8, 0.8),
        (lognum[1], 1, 1),
        (lognum[2], 1, 1),
        (lognum[3], 0, 0),
        (lognum[4], 0, 0),
    (lognum[5], 0, 0)
    ),
    'blue':
    (
        (0., 0, 0),
        (lognum[0], 0, 0),
        (lognum[1], 0, 0),
        (lognum[2], 0, 0),
        (lognum[3], 0, 0),
        (lognum[4], 0, 0),
    (lognum[5], 1, 1)
    )
}


mycmap = matplotlib.colors.LinearSegmentedColormap('my_colormap', cdict, 256)   
norm = matplotlib.colors.LogNorm(vmin, vmax)
colors = {}
count = 0
step_size = 0.001
for value in np.arange(vmin, vmax+step_size, step_size):
    count += 1
    print("%d/%d %f%%" % (count, vmax*(1./step_size), 100.*count/(vmax*(1./step_size))))
    rgba = mycmap(norm(value), bytes=True)
    color = (rgba[0], rgba[1], rgba[2])
    if color not in colors.values():
        colors[value] = color

print ("value, red, green, blue")
for value in sorted(colors.keys()):
    rgb = colors[value]
    print("%s, %s, %s, %s" % (value, rgb[0], rgb[1], rgb[2]))

Per completezza queste sono le scelte di cmap che ho incontrato finora:

Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, Ord, Ord, Ord, Ord PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, RdG, RdG, RdG, RdG RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu Yr afmhot_r, autunno, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag_r, gist_gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_srv, infer, hr, infern, gist_yarg_r, gnuplot, gnuplot_r, gnuplot_r jet_r, magma, magma_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, sismic, sismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20 tab20b, tab20b_r, tab20c, tab20c_r, terrain, terrain_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, inverno, winter_rgray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prisma, prism_r, sismic, sismic primavera, primavera_r, estate, estate_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terreno, terrain_r, crepuscolo, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, inverno, winter_rgray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prisma, prism_r, sismic, sismic primavera, primavera_r, estate, estate_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terreno, terrain_r, crepuscolo, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, inverno, winter_rviridis, viridis_r, inverno, winter_rviridis, viridis_r, inverno, winter_r