Matplotlib是Python中令人惊叹的可视化库，用于二维阵列图。 Matplotlib是一个基于NumPy数组的多平台数据可视化库，旨在与更广泛的SciPy堆栈配合使用。
matplotlib.colors.from_levels_and_colors()
的matplotlib.colors.from_levels_and_colors()函数是一个辅助函数，可以帮助创建cmap和norm实例，其行为类似于Contourf的level和colors参数的行为。
用法： matplotlib.colors.from_levels_and_colors(levels, colors, extend=’neither’)
参数：
- levels:它是一个数字序列，代表用于构造BoundaryNorm的量化级别。如果lev [k] <= v <lev [k + 1]，则将值v量化为级别k。
- colors:它是一系列颜色，用作每个级别的填充颜色。如果扩展名为“neither”，则必须为n_level-1种颜色。为“min”或“max”的扩展添加一种额外的颜色，为“both”的扩展添加两种颜色。
- extend:它是一个可选参数，接受四个值之一，即‘neither’，‘min’，‘max’或‘both’。
返回类型：此函数返回规范化的cmap和colormap规范
范例1：
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors
data1 = 3 * np.random.random((10, 10))
data2 = 5 * np.random.random((10, 10))
levels = [0, 1, 2, 3, 4, 5]
colors = ['red', 'brown',
'yellow', 'green',
'blue']
cmap, norm = matplotlib.colors.from_levels_and_colors(levels,
colors)
fig, axes = plt.subplots(ncols = 2)
for ax, dat in zip(axes, [data1, data2]):
im = ax.imshow(dat,
cmap = cmap,
norm = norm,
interpolation ='none')
fig.colorbar(im, ax = ax, orientation ='horizontal')
plt.show()输出：
范例2：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import from_levels_and_colors
nvals = np.random.randint(2, 20)
data = np.random.randint(0, nvals,
(10, 10))
colors = np.random.random((nvals, 3))
# Make the colors pastels...
colors = colors / 2.5 + 0.55
levels = np.arange(nvals + 1) - 0.5
cmap, norm = from_levels_and_colors(levels,
colors)
fig, ax = plt.subplots()
im = ax.imshow(data,
interpolation ='nearest',
cmap = cmap,
norm = norm)
fig.colorbar(im, ticks = np.arange(nvals))
plt.show()输出：
相关用法
注：本文由纯净天空筛选整理自RajuKumar19大神的英文原创作品 Matplotlib.colors.from_levels_and_colors() in Python。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。