Блог

У меня есть 2 переменные (x, y), которые меняются со временем (t). Я хочу построить график зависимости x от t и раскрасить тики в зависимости от значения y. например, для самых высоких значений y цвет тика — темно-зеленый, для самого низкого значения — темно-красный, а для промежуточных значений цвет будет масштабироваться между зеленым и красным.

Можно ли это сделать с помощью matplotlib в python?

Это то matplotlib.pyplot.scatter , для чего нужно.

Если цветовая карта не указана, scatter будет использоваться любая цветовая карта по умолчанию. Чтобы указать, какой разброс цветовой карты следует использовать, используйте cmap kwarg (например cmap="jet" ).

В качестве краткого примера:

 import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import numpy as np

# Generate data...
t = np.linspace(0, 2 * np.pi, 20)
x = np.sin(t)
y = np.cos(t)

plt.scatter(t, x, c=y, ec='k')
plt.show()
 

Можно указать пользовательскую цветовую карту и норму

 cmap, norm = mcolors.from_levels_and_colors([0, 2, 5, 6], ['red', 'green', 'blue'])
plt.scatter(x, y, c=t, cmap=cmap, norm=norm)
 

Если вы хотите построить линии вместо точек, смотрите Этот пример, измененный здесь для построения хороших / плохих точек, представляющих функцию в виде черного / красного, в зависимости от обстоятельств:

 def plot(xx, yy, good):
    """Plot data

    Good parts are plotted as black, bad parts as red.

    Parameters
    ----------
    xx, yy : 1D arrays
        Data to plot.
    good : `numpy.ndarray`, boolean
        Boolean array indicating if point is good.
    """
    import numpy as np
    import matplotlib.pyplot as plt
    fig, ax = plt.subplots()
    from matplotlib.colors import from_levels_and_colors
    from matplotlib.collections import LineCollection
    cmap, norm = from_levels_and_colors([0.0, 0.5, 1.5], ['red', 'black'])
    points = np.array([xx, yy]).T.reshape(-1, 1, 2)
    segments = np.concatenate([points[:-1], points[1:]], axis=1)
    lines = LineCollection(segments, cmap=cmap, norm=norm)
    lines.set_array(good.astype(int))
    ax.add_collection(lines)
    plt.show()