问题描述：

我在 numpy 数组中存储了一系列点 x 和 y。它们表示 x(t) 和 y(t)，其中 t=0...T-1

我正在使用绘制散点图

import matplotlib.pyplot as plt

plt.scatter(x,y)
plt.show()

我想要一个代表时间的颜色图（因此根据 numpy 数组中的索引对点进行着色）

最简单的方法是什么？

解决方案 1：

以下是一个例子

import numpy as np
import matplotlib.pyplot as plt

x = np.random.rand(100)
y = np.random.rand(100)
t = np.arange(100)

plt.scatter(x, y, c=t)
plt.show()

在这里，您可以根据索引来设置颜色，t它只是一个数组[1, 2, ..., 100]。

也许一个更容易理解的例子是稍微简单一点的

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)
y = x
t = x
plt.scatter(x, y, c=t)
plt.show()

请注意，您传递的数组c不需要具有任何特定顺序或类型，即它不需要像这些示例中那样排序或为整数。绘图例程将缩放颜色图，以使最小/最大值对应c于颜色图的底部/顶部。

色彩图

您可以通过添加来更改颜色图

import matplotlib.cm as cm
plt.scatter(x, y, c=t, cmap=cm.cmap_name)

导入matplotlib.cm是可选的，因为您也可以调用颜色图cmap="cmap_name"。有一个颜色图参考页面，显示了每个颜色图的样子。另外，您可以通过简单地将其调用为来反转颜色图cmap_name_r。因此，

plt.scatter(x, y, c=t, cmap=cm.cmap_name_r)
# or
plt.scatter(x, y, c=t, cmap="cmap_name_r")

可以。例如"jet_r"或cm.plasma_r。以下是使用新 1.5 色图 viridis 的示例：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(100)
y = x
t = x
fig, (ax1, ax2) = plt.subplots(1, 2)
ax1.scatter(x, y, c=t, cmap='viridis')
ax2.scatter(x, y, c=t, cmap='viridis_r')
plt.show()

彩条

您可以使用添加颜色条

plt.scatter(x, y, c=t, cmap='viridis')
plt.colorbar()
plt.show()

请注意，如果您明确使用图形和子图（例如fig, ax = plt.subplots()或ax = fig.add_subplot(111)），则添加颜色条可能会更复杂一些。 可以在此处找到单个子图颜色条的良好示例，以及此处找到 2 个子图 1 个颜色条的良好示例。

解决方案 2：

要添加到上面的 wflynny 的答案，您可以在此处找到可用的颜色图

例子：

import matplotlib.cm as cm
plt.scatter(x, y, c=t, cmap=cm.jet)

或者，

plt.scatter(x, y, c=t, cmap='jet')

解决方案 3：

子图颜色条

对于带有散点的子图，您可以借助辅助图形构建“可映射”，然后将其添加到原始图中，从而将颜色条欺骗到轴上。

作为上面例子的延续：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(10)
y = x
t = x
fig, (ax1, ax2) = plt.subplots(1, 2)
ax1.scatter(x, y, c=t, cmap='viridis')
ax2.scatter(x, y, c=t, cmap='viridis_r')


# Build your secondary mirror axes:
fig2, (ax3, ax4) = plt.subplots(1, 2)

# Build maps that parallel the color-coded data
# NOTE 1: imshow requires a 2-D array as input
# NOTE 2: You must use the same cmap tag as above for it match
map1 = ax3.imshow(np.stack([t, t]),cmap='viridis')
map2 = ax4.imshow(np.stack([t, t]),cmap='viridis_r')

# Add your maps onto your original figure/axes
fig.colorbar(map1, ax=ax1)
fig.colorbar(map2, ax=ax2)
plt.show()

请注意，您还将输出一个可以忽略的次要图形。

解决方案 4：

多个子图的单一颜色条

有时最好使用单一颜色条来指示在多个子图上可视化的数据值。

在这种情况下，需要使用两个图的最小和最大数据值创建一个 Normalize() 对象。

然后可以从 ScalarMappable() 对象创建一个颜色条对象，该对象在标量值和颜色之间进行映射。

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(10)
y = x
t1 = x # Colour data for first plot
t2 = 2*x # Color data for second plot
all_data = np.concatenate([t1, t2])

# Create custom Normalise object using the man and max data values across both subplots to ensure colors are consistent on both plots
norm = plt.Normalize(np.min(all_data), np.max(all_data))

fig, axs = plt.subplots(1, 2)
axs[0].scatter(x, y, c=t1, cmap='viridis', norm=norm)
axs[1].scatter(x**2, y, c=t2, cmap='viridis', norm=norm)

# Create the colorbar
smap = plt.cm.ScalarMappable(cmap='viridis', norm=norm)
cbar = fig.colorbar(smap, ax=axs, fraction=0.1, shrink = 0.8)
cbar.ax.tick_params(labelsize=11)
cbar.ax.set_ylabel('T', rotation=0, labelpad = 15, fontdict = {"size":14})
plt.show()

子图颜色条