如何使用patches.PathPatch为矩形指定颜色列表?

A matplotlib.patches.PathPatch 有一个单一的脸颜色。它不能用来给它的部分着色。这是在 the example

可以使用 均质特性 使用PathCollection更有效。

and colorize its bars bars 就是使用 PolyCollection .

import numpy as np; np.random.seed(19680801)
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import matplotlib.path as path
import matplotlib.collections
import matplotlib.cm

data = np.random.randn(1000)


def compoundpathhist(data, nbins=50):
    n, bins = np.histogram(data, nbins)
    # get the corners of the rectangles for the histogram
    left = np.array(bins[:-1])
    right = np.array(bins[1:])
    bottom = np.zeros(len(left))
    top = bottom + n
    
    
    # we need a (numrects x numsides x 2) numpy array for the path helper
    # function to build a compound path
    XY = np.array([[left, left, right, right], [bottom, top, top, bottom]]).T
    
    # get the Path object
    barpath = path.Path.make_compound_path_from_polys(XY)
    
    # make a patch out of it
    patch = patches.PathPatch(barpath)
    fig, ax = plt.subplots()
    ax.add_patch(patch)
    # update the view limits
    ax.set_xlim(left[0], right[-1])
    ax.set_ylim(bottom.min(), top.max())

    fig.savefig("bartest.png")
        

def polyhist(data, nbins=50, colors=True):
    n, bins = np.histogram(data, nbins)
    # get the corners of the rectangles for the histogram
    left = np.array(bins[:-1])
    right = np.array(bins[1:])
    bottom = np.zeros(len(left))
    top = bottom + n
    # we need a (numrects x numsides x 2) numpy array to be used as 
    # vertices for the PolyCollection
    XY = np.array([[left, left, right, right], [bottom, top, top, bottom]]).T
    
    c=None
    if colors:
        c = matplotlib.cm.RdYlBu(n/n.max())
    pc = matplotlib.collections.PolyCollection(XY, facecolors=c)
    
    fig, ax = plt.subplots()
    ax.add_collection(pc)
    # update the view limits
    ax.set_xlim(left[0], right[-1])
    ax.set_ylim(bottom.min(), top.max())
    
    fig.savefig("bartest.png")
        


def hist_c(data, nbins=50, colors=True):

    fig, ax = plt.subplots()
    n, bins, patches = ax.hist(data, nbins)

    if colors:
        cols = matplotlib.cm.RdYlBu(n/n.max())
        for p,c in zip(patches, cols):
            p.set_facecolor(c)

    # update the view limits
    ax.set_xlim(bins.min(), bins.max())
    ax.set_ylim(n.min(), n.max())

    fig.savefig("bartest.png")

        
compoundpathhist(data, nbins=50)
polyhist(data, nbins=50)
hist_c(data, nbins=50, colors=True)

plt.show()

• 第一个( compoundpathhist
• 第二个( polyhist )不使用单个补丁,而是使用 多集 . 这个 多集 的FaceColor可以通过colormap设置。
• 第三个( hist_c )是一种适用于单根棒材着色的常用解决方案。

现在我们可以计时这三个函数。我使用了90000个数据点和50500和5000个垃圾箱。

我们观察到,对于通常数量的~50箱,这些方法基本上没有区别。但是,对于数量较多的垃圾箱 hist 方法花费的时间明显更长。即使是5000个垃圾箱,两者之间也几乎没有区别 复合病学家 方法(不能使用颜色)和 多面手 ,可以使用颜色。因此,在不牺牲效率的情况下,这是一个有用的替代方案。 顺便说一下,在各自的功能中使用颜色和不使用颜色几乎没有区别。

PathPatch 和 Path 完全不需要。您可以删除 edgecolor='black' 如果你不想要黑边的话。

解释 patches 从 plt.hist CMRmap . 最后,在 设置每个补丁的颜色。

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots()

# Fixing random state for reproducibility
np.random.seed(19680801)

data = np.random.randn(1000)
N, bins, patches = plt.hist(data, bins=50, edgecolor='black')

cm = plt.get_cmap('CMRmap')
for i in range(len(patches)):
    color = cm(1.*i/len(patches))  
    patches[i].set_facecolor(color)