如何在Python中基于指定值为点间线段设置对应颜色

上下文 #

• 3×35的values数组，每条线段对应一个数值
• 4×35×2的matpos数组，存储4×35个点的坐标（对应3×35条线段）

问题 #

如何基于values数组中的数值为每条线段定义对应颜色？

尝试代码 #

# 生成每条线段对应的数值数组
values = np.random.rand(3,35)

# 生成坐标数组
x = np.arange(0,35)
y = np.arange(0,4)
matpos = np.array([[(y[i], x[j]) for j in range(0,len(x))] for i in range(0,len(y))])

# 绘制图形
plt.figure()
for i in range(len(y)-1):
    for j in range(len(x)):
        # 绘制每条线段
        plt.plot(matpos[i:i+2,j,0],matpos[i:i+2,j,1]) # 待添加颜色映射：color = values[i,j]

实现方案 #

核心思路是利用颜色映射（colormap）将数值转换成对应颜色，具体步骤如下：

1. 归一化数值：把values的数值缩放到0-1区间，匹配colormap的输入要求
2. 选择颜色映射：可使用matplotlib内置的colormap（如viridis、coolwarm），也可自定义
3. 逐段分配颜色：在循环中根据当前values[i,j]的归一化值获取颜色，传给plot的color参数

完整可运行代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成每条线段对应的数值数组
values = np.random.rand(3,35)

# 生成坐标数组
x = np.arange(0,35)
y = np.arange(0,4)
matpos = np.array([[(y[i], x[j]) for j in range(len(x))] for i in range(len(y))])

# 归一化values到0-1区间，适配颜色映射
norm = plt.Normalize(values.min(), values.max())
# 选择颜色映射方案
cmap = plt.cm.viridis

plt.figure(figsize=(10,6))
for i in range(len(y)-1):
    for j in range(len(x)):
        # 根据当前数值获取对应RGBA颜色
        color = cmap(norm(values[i,j]))
        # 绘制线段并设置颜色
        plt.plot(matpos[i:i+2,j,0], matpos[i:i+2,j,1], color=color)

# 添加颜色条，直观展示数值与颜色的对应关系
sm = plt.cm.ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])
plt.colorbar(sm, label='线段对应数值')

plt.xlabel('X坐标')
plt.ylabel('Y坐标')
plt.title('基于数值配色的线段图')
plt.show()

关键细节 #

• plt.Normalize：确保无论values的数值范围如何，都能映射到颜色映射所需的0-1区间；若要聚焦特定数值区间，可手动设置vmin和vmax，比如norm = plt.Normalize(0.3, 0.7)
• cmap(norm(values[i,j]))：将归一化后的数值转换为RGBA格式的颜色值，直接用于线段配色
• 颜色条：帮助查看者快速理解数值与颜色的对应关系，提升图表可读性

内容的提问来源于stack exchange，提问作者Nihilum