基于第三变量修改Colorbar特定区域颜色的技术实现问询

问题核心 #

你当前代码直接传递颜色字符串给scatter的c参数，导致Colorbar无法关联深度（De）的数值范围。要实现需求，需要将线下点的深度值和线上点的统一标记值映射到颜色空间，再同步到Colorbar。

修改后代码 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import FormatStrFormatter
from matplotlib.colors import LinearSegmentedColormap, Normalize

xls = pd.ExcelFile('20240109 - CPeT Export - Rev2.xlsx')
God = pd.ExcelFile('20231213-Vs calculations.xlsx')
n = len(xls.sheet_names)
#------Raw data-------------------------------------------------------------------------------------#
dfs = pd.read_excel(xls, sheet_name='SCPTU-12-CPT', skiprows=185, skipfooter=0)
title = dfs.values[0,0]
qt = dfs.values[:,5]                                        # Cone tip resistance (MPa)
ov = dfs.values[:,10]                                       # Vertical total stress (kPa)
Qtn = dfs.values[:,18]                                      # Normalised cone tip resistance with stress component (-)
De = dfs.values[:,1]                                        # Imports depth values (m)
Gor = pd.read_excel(God, sheet_name='SCPTU-12-CPT', skiprows=185, skipfooter=0)
Go = Gor.values[:,8]                                        # Imports the correct small-strain shear modulus (MPa)
D = Gor.values[:,0]                                         # Imports depth values (m)
#------Calculations---------------------------------------------------------------------------------#
ov = ov/1000
qn = qt-ov                                                  # Calculates qn
IG = Go/qn                                                  # Calculates normalised rigidty index
#------Plotting the results-------------------------------------------------------------------------#
fig = plt.figure()

y = 2280.4*IG**-1.333

# 1. 构建自定义颜色映射：蓝色渐变（对应线下深度）+ 红色（对应线上点）
blue_cmap = plt.get_cmap('Blues')
# 提取蓝色渐变的前90%色调，最后添加纯红色
color_list = blue_cmap(np.linspace(0, 0.9, 100))
color_list = np.vstack([color_list, np.array([1, 0, 0, 1])])
custom_cmap = LinearSegmentedColormap.from_list('depth_cmap', color_list)

# 2. 构建颜色值数组：线下点用实际深度值，线上点用深度最大值+1作为标记
color_values = np.where(Qtn < y, De, De.max() + 1)
# 3. 设置归一化范围，覆盖深度最小值到标记值
norm = Normalize(vmin=De.min(), vmax=De.max() + 1)

ax = fig.gca()
ax.set_xscale('log')
ax.set_yscale('log')
ax.yaxis.set_major_formatter(FormatStrFormatter('%g'))
ax.xaxis.set_major_formatter(FormatStrFormatter('%g'))
plt.xlabel('Normalised Rigidity Index, $I_G$')
plt.ylabel('Normalised Cone Tip Resistance, Qtn')

# 4. 散点图使用数值化的颜色值、自定义色图和归一化规则
sc = ax.scatter(IG, Qtn, s=60, label=title, c=color_values, cmap=custom_cmap, norm=norm)
plt.plot([1,330],[(330/1)**(1/0.75),1], linewidth=1, color="black",linestyle='-', marker='None')

# 5. 配置Colorbar：设置刻度并修改最后一个刻度的标签
cbar = plt.colorbar(sc, ticks=[De.min(), De.max(), De.max() + 1])
cbar.ax.set_yticklabels([f'{De.min():.1f} m', f'{De.max():.1f} m', 'Above line'])
cbar.ax.invert_yaxis()
cbar.set_label('Depth')

ax.set_xlim(1, 1000)
ax.set_ylim(1, 1000)
plt.legend()
plt.show()

关键修改说明 #

• 颜色映射逻辑：放弃直接使用颜色字符串，改用深度数值（线下点）和标记值（线上点）作为颜色输入，让Colorbar能识别数值范围。
• 自定义色图：用蓝色渐变对应深度变化（浅蓝=浅埋，深蓝=深埋），红色专门标记线上的点，匹配预期效果。
• Colorbar配置：通过修改刻度标签，把超出深度范围的标记值替换为"Above line"，清晰区分两类点的含义。

内容的提问来源于stack exchange，提问作者Scott