当前位置：首页 > article >正文

python画图|曲线分段设置颜色基础教程

article 2024/11/13 15:16:29

前期已经学习了大量的python画图教程，但颜色的设计一直是次要角色，今天我们就一起学习一下如何对图形分段设置颜色。

一些前期通过颜色区分图形的文章链接如下：

python画图|极坐标下的3D surface_python 根据经纬度海拔高度绘制三维立体-CSDN博客

python画图|极坐标中画直方图_ax1.plot()怎么画直方图-CSDN博客

【1】官网教程

首先打开官网教程，学习曲线分段颜色设置：

https://matplotlib.org/stable/gallery/color/color_by_yvalue.html

官网教程的代码非常简单，因此尝试做了注解。

【2】代码解读

首先是计算模块numpy和绘图模块matplotlib的引入。

import matplotlib.pyplot as plt  #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算

然后简单定义了变量：

t = np.arange(0.0, 2.0, 0.01) #定义自变量
s = np.sin(2 * np.pi * t) #定义因变量

之后设定了曲线颜色分段的上下标准：

upper = 0.77 #定义上标准线
lower = -0.77 #定义下标准线

再之后定义了如何将曲线划分为3段，使用了np.ma.masked_where()函数：

supper = np.ma.masked_where(s < upper, s) #输出大于upper的值
slower = np.ma.masked_where(s > lower, s) #输出小于lower的值
smiddle = np.ma.masked_where((s < lower) | (s > upper), s) #输出介于(lower,upper)之间的值

supper取到比upper大的值；

slower取到比lower小的值；

smiddle取到介于lower和upper之间的值。

基于上述三个操作，实现将曲线分为三段。

最后定义了画图和输出图形：

fig, ax = plt.subplots() #定义画图
ax.plot(t, smiddle, t, slower, t, supper) #定义画所有图形
plt.show() #输出图形

最后的输出图形为：

图1

至此，完整代码加注释为：

import matplotlib.pyplot as plt  #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算

t = np.arange(0.0, 2.0, 0.01) #定义自变量
s = np.sin(2 * np.pi * t) #定义因变量

upper = 0.77 #定义上标准线
lower = -0.77 #定义下标准线

supper = np.ma.masked_where(s < upper, s) #输出大于upper的值
slower = np.ma.masked_where(s > lower, s) #输出小于lower的值
smiddle = np.ma.masked_where((s < lower) | (s > upper), s) #输出介于(lower,upper)之间的值

fig, ax = plt.subplots() #定义画图
ax.plot(t, smiddle, t, slower, t, supper) #定义画所有图形
plt.show() #输出图形

【3】代码修改

【3.1】np.ma.masked_where()函数

由前述分析可知，np.ma.masked_where()函数可实现对函数分段。

为测试该功能，在编辑器（比如pycharm）中输入以下代码：

import matplotlib.pyplot as plt  #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算

t = np.arange(0.0, 6.0, 1) #定义自变量
s =  2*t #定义因变量

upper = 6 #定义上标准线
lower = 2 #定义下标准线

supper = np.ma.masked_where(s < upper, t) #输出大于upper的值
slower = np.ma.masked_where(s > lower, s) #输出小于lower的值
smiddle = np.ma.masked_where((s < lower) | (s > upper), s) #输出介于(lower,upper)之间的值

print('supper=\n',supper)
print('slower=\n',slower)
print('smiddle=\n',smiddle)

在这里，首先是将自变量t的取值范围限定在[0,1,2,3,4,5]之间，对应s的取值范围为[0,2,4,6,8,10]。

supper的取值为：当s<upper时，输出s对应t的部分，但这一部分t所对应的s>upper。

这个理解有一些绕，换个说法：当s<upper时，有效的s值应满足s>upper。

紧接着我们对slower做了测试：我们尝试输出比slower还要小的值，判断条件要写s>slower。

运行程序，输出结果为：

supper=
[-- -- -- 3.0 4.0 5.0]
slower=
[0.0 2.0 -- -- -- --]

所以， np.ma.masked_where()函数其实是取判断条件的补集，或者说是反面。

【3.2】ax.plot()函数

在官网代码中，最后的输出是按照多个（自变量，因变量）的形式直接写入ax.plot()函数的：

ax.plot(t, smiddle, t, slower, t, supper) #定义画所有图形

因此尝试直接输出【3.1】节中的结果。

首先是单独输出upper、lower和middle，最后直接全部一起输出，为便于对比，给各个图形进行了命名。

此时的完整代码为：

import matplotlib.pyplot as plt  #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算

t = np.arange(0.0, 6.0, 1) #定义自变量
s =  2*t #定义因变量

upper = 6 #定义上标准线
lower = 2 #定义下标准线

supper = np.ma.masked_where(s < upper, t) #输出大于upper的值
slower = np.ma.masked_where(s > lower, s) #输出小于lower的值
smiddle = np.ma.masked_where((s < lower) | (s > upper), s) #输出介于(lower,upper)之间的值

print('supper=\n',supper)
print('slower=\n',slower)
print('smiddle=\n',smiddle)
fig, [ax1,ax2,ax3,ax4] = plt.subplots(1,4)
ax1.plot(t, smiddle) #, t, slower, t, supper
ax1.set_title('smiddle')
ax2.plot(t, slower) #, t, slower, t, supper
ax2.set_title('slower')
ax3.plot(t, supper) #, t, slower, t, supper
ax3.set_title('supper')
ax4.plot(t, supper, t, slower, t, smiddle)
ax4.set_title('all')
plt.show()

输出结果为：