Jupyter中pyplot pcolormesh set_facecolor无法更新绘图问题

问题详情 #

尝试通过set_facecolor更新pcolormesh的面颜色，模拟“漂白”部分区域的效果（用白色模拟透明），该方法在非Jupyter环境正常，但在Jupyter Lab/Notebook中失效：调用fig.canvas.draw()后，手动设置的颜色会被初始颜色覆盖。

复现代码：

from matplotlib import pyplot as plt
import numpy as np

## 生成数据并绘制初始图
xx = np.linspace(-1, 1, 5)
xx, yy = np.meshgrid(xx, xx)
data = np.exp( -(xx**2+yy**2) )

### 创建绘图
fig, ax = plt.subplots(1, 1)
hpc = ax.pcolormesh(data)
plt.colorbar(hpc)
ax.set_aspect(1)

fig.canvas.draw()  # 生成facecolor数组
colors = hpc.get_facecolors() # 获取RGBA颜色数组
newc = np.ones((colors.shape[0], 3))/2. # 生成统一灰色
hpc.set_facecolor(newc) # 尝试更新面颜色

newc = hpc.get_facecolors() # 此时facecolor已更新
fig.canvas.draw() # 重绘后，颜色回到初始值
print(newc[0,:], hpc.get_facecolors()[0,:]) 

环境配置：

• 后端：%matplotlib inline或%matplotlib widget均触发问题
• Python版本：3.9.13（macOS Big Sur）/3.8.11（Linux Fedora集群）
• matplotlib版本：3.5.1/3.5.2，JupyterLab版本：3.4.4/3.4.0

原因分析 #

1. pcolormesh的核心设计逻辑：pcolormesh是基于原始数据和颜色映射（colormap）动态生成面颜色的元素，每次调用draw()时，它会自动重新计算每个面的颜色——根据原始数据和当前colormap生成新的颜色数组，直接覆盖手动设置的facecolor。
2. Jupyter渲染机制：Jupyter的inline和widget后端在执行draw()时，会触发完整的重绘流程，包括重新执行颜色映射计算，这就导致手动修改的颜色被强制重置。

解决方法 #

方法1：禁用自动颜色计算（推荐） #

通过set_array(None)告诉pcolormesh不再从原始数据和colormap生成颜色，而是使用手动设置的facecolor。这样重绘时不会覆盖自定义颜色：

from matplotlib import pyplot as plt
import numpy as np

# 生成数据和初始绘图
xx = np.linspace(-1, 1, 5)
xx, yy = np.meshgrid(xx, xx)
data = np.exp( -(xx**2+yy**2) )

fig, ax = plt.subplots(1, 1)
hpc = ax.pcolormesh(data)
plt.colorbar(hpc)
ax.set_aspect(1)

fig.canvas.draw()
colors = hpc.get_facecolors()
# 使用RGBA格式（第四维为透明度），避免颜色格式不兼容
newc = np.ones((colors.shape[0], 4)) / 2.  
hpc.set_facecolor(newc)
hpc.set_array(None)  # 关键：关闭自动颜色计算

fig.canvas.draw()
print(newc[0,:], hpc.get_facecolors()[0,:]) 

方法2：修改原始数据匹配目标颜色 #

如果需要保留颜色条的对应关系，可以修改原始数据，让目标区域的值对应colormap中的目标颜色（比如白色）：

from matplotlib import pyplot as plt
import numpy as np

xx = np.linspace(-1, 1, 5)
xx, yy = np.meshgrid(xx, xx)
data = np.exp( -(xx**2+yy**2) )

# 定义要漂白的区域（比如中心区域）
mask = (xx**2 + yy**2) < 0.2
data[mask] = np.max(data)  # 设为最大值，对应colormap的最亮色（可根据需求调整）

fig, ax = plt.subplots(1, 1)
hpc = ax.pcolormesh(data, cmap='viridis')
plt.colorbar(hpc)
ax.set_aspect(1)
fig.canvas.draw()

方法3：使用PatchCollection手动绘制 #

如果需要更精细的控制，可以将pcolormesh转换为PatchCollection，直接管理每个面片的颜色，避免自动重绘覆盖：

from matplotlib import pyplot as plt
import numpy as np
from matplotlib.collections import PatchCollection
from matplotlib.patches import Rectangle

xx = np.linspace(-1, 1, 5)
xx, yy = np.meshgrid(xx, xx)
data = np.exp( -(xx**2+yy**2) )

fig, ax = plt.subplots(1, 1)
ax.set_aspect(1)

# 创建所有面片
patches = []
dx = xx[0,1] - xx[0,0]
dy = yy[1,0] - yy[0,0]
for i in range(xx.shape[0]-1):
    for j in range(xx.shape[1]-1):
        patches.append(Rectangle((xx[i,j], yy[i,j]), dx, dy))

# 创建PatchCollection并设置颜色
pc = PatchCollection(patches)
pc.set_array(data.ravel())
pc.set_cmap('viridis')
ax.add_collection(pc)
plt.colorbar(pc)

# 修改指定面片的颜色
new_colors = pc.get_facecolors()
new_colors[5:10] = np.array([1,1,1,1])  # 将第5-9个面片设为白色
pc.set_facecolors(new_colors)

ax.set_xlim(xx.min(), xx.max())
ax.set_ylim(yy.min(), yy.max())
fig.canvas.draw()

内容的提问来源于stack exchange，提问作者M. Alborne