如何在Mathematica/Python中制作带时间分段颜色的通量直方图

嘿，我之前也碰到过类似的需求，用Mathematica的堆叠条形图确实容易卡壳，反而用Python的matplotlib能更灵活地搞定这个效果，给你分享个简便的实现思路和代码：

核心思路 #

1. 整理数据：把每个通量值对应的所有时间点收集起来，统计每个通量的出现次数（也就是直方图条形的高度）。
2. 拆分条形分段：对每个通量的条形，按出现次数拆分成N个高度为1的小分段，每个分段用对应的时间值映射到颜色条的颜色。
3. 逐个绘制分段：用matplotlib的矩形元素逐个绘制这些小分段，精准控制每个分段的颜色。

代码示例 #

假设你的数据是CSV格式，两列分别是time（时间值）和flux（通量值）：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle
from matplotlib import cm
from matplotlib.colors import Normalize

# 1. 读取并整理数据
df = pd.read_csv('flux_data.csv')  # 替换成你的数据文件路径
# 按通量值分组，收集每个通量对应的所有时间点
flux_groups = df.groupby('flux')['time'].apply(list).reset_index()
# 计算每个通量的出现次数
flux_groups['count'] = flux_groups['time'].apply(len)

# 2. 设置颜色映射：把时间值归一化到颜色条的范围
time_min = df['time'].min()
time_max = df['time'].max()
norm = Normalize(vmin=time_min, vmax=time_max)
cmap = cm.viridis  # 可以换成你喜欢的色条，比如plasma、coolwarm等

# 3. 绘制图形
fig, ax = plt.subplots(figsize=(10, 6))
bar_width = 0.8  # 条形宽度
x_positions = range(len(flux_groups))  # 每个通量的x位置

for i, row in enumerate(flux_groups.itertuples()):
    flux_val = row.flux
    times = row.time
    count = row.count
    x = x_positions[i]
    
    # 逐个绘制每个时间对应的小分段
    for j in range(count):
        # 小分段的位置：x起始，y起始，宽度，高度
        rect = Rectangle(
            (x - bar_width/2, j),
            bar_width, 1,
            color=cmap(norm(times[j]))
        )
        ax.add_patch(rect)

# 设置坐标轴和标签
ax.set_xticks(x_positions)
ax.set_xticklabels(flux_groups['flux'].astype(str))
ax.set_xlabel('通量值')
ax.set_ylabel('出现次数')
ax.set_title('通量直方图（分段颜色对应时间）')

# 添加颜色条
sm = cm.ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])
fig.colorbar(sm, ax=ax, label='时间')

plt.tight_layout()
plt.show()

关键细节说明 #

• 颜色映射部分：用Normalize把时间值缩放到0-1的范围，这样就能对应到colormap的颜色区间。
• 每个小分段都是独立的矩形，通过循环逐个添加，能精准控制每个分段的颜色。
• 如果你的时间是日期格式，可以先把它转换成数值（比如Unix时间戳）再进行归一化。

如果一定要用Mathematica的话，其实也可以通过生成每个分段的Rectangle图形元素来实现，但步骤会繁琐很多，Python的这个方法更直观易调试。

内容的提问来源于stack exchange，提问作者megan_17