关于matplotlib中set_array()方法的使用规范及相关技术疑问

我完全懂你的困扰——set_array()确实是Matplotlib里存在感极低但又很实用的方法，官方文档太简洁，主流书籍也基本没提。我来给你把它的用法、功能和配合逻辑掰扯清楚：

本质上，它是给继承自ScalarMappable类的绘图对象（比如散点集合PathCollection、线段集合LineCollection、图像AxesImage这类支持颜色映射的元素）设置「用于颜色映射的数值数组」。官方那句“Set the image array from numpy array A.”太笼统，换个直白的说法：你给它一个数值数组，它会把数组里的每个值和你指定的colormap（颜色映射）绑定，让图形元素的颜色跟着数值变化。

• 适用对象限制：只有继承自ScalarMappable的对象能调用这个方法——普通的单条线段（Line2D）、文本、多边形这些不行，因为它们不支持基于数值的颜色映射。
• 数组维度匹配：数组的长度/形状必须和你的图形元素数量对应：
  • 散点图：数组长度 = 散点个数
  • 线段集合：数组长度 = 线段条数
  • 图像（imshow生成的）：数组形状要和图像的像素网格一致（比如(M,N)的单通道数组）
• 更新后要刷新显示：调用set_array()后，交互式绘图里需要调用plt.draw()或者figure.canvas.draw()才能看到颜色变化；如果关联了颜色条（colorbar），还要调用colorbar.update_normal()让颜色条同步更新。

• 输入必须是NumPy数组（或者能被转换成NumPy数组的Python序列，比如列表、元组），其他类型会报错。
• 数值类型支持整数、浮点数，甚至布尔值（布尔值会被自动转成0和1处理）。
• 没有硬性的数值上下限，但实际颜色映射会被**归一化器（Normalize）**处理：默认是把数组的最小值映射到colormap的最左端，最大值映射到最右端。你可以用set_clim(vmin, vmax)手动设置归一化范围，超出范围的数值会被截断到边界对应的颜色。

光说不练假把式，给你几个实际场景的例子：

例子1：散点图动态更新颜色 #

import matplotlib.pyplot as plt
import numpy as np

# 创建初始散点
x = np.random.rand(100)
y = np.random.rand(100)
initial_colors = np.random.rand(100)
scatter = plt.scatter(x, y, c=initial_colors, cmap='coolwarm')

# 用set_array()更新颜色（比如基于x和y的乘积生成新的颜色值）
new_color_data = np.sin(x * y * 15)
scatter.set_array(new_color_data)
# 手动设置颜色范围，让颜色映射更合理
scatter.set_clim(new_color_data.min(), new_color_data.max())
# 显示颜色条
plt.colorbar(scatter)
# 刷新绘图
plt.draw()
plt.show()

例子2：给线段集合批量设置颜色 #

import matplotlib.pyplot as plt
from matplotlib.collections import LineCollection
import numpy as np

# 创建20条不同的线段
x = np.linspace(0, 1, 50)
segments = []
for i in range(20):
    y = np.sin(x * i * 0.6) + np.random.rand(50)*0.1
    segments.append(np.column_stack([x, y]))

# 创建线段集合，先不设置颜色
lc = LineCollection(segments, cmap='viridis', linewidth=2)
plt.gca().add_collection(lc)
plt.xlim(0, 1)
plt.ylim(-1.2, 1.2)

# 用set_array()给每条线段分配颜色值（这里用线段的索引作为颜色依据）
color_values = np.arange(len(segments))
lc.set_array(color_values)
# 添加颜色条
plt.colorbar(lc, label='Segment Index')
plt.draw()
plt.show()

配合自定义归一化器 #

如果你想固定颜色映射的范围，不管输入数组的数值怎么变，都可以和Normalize配合：

from matplotlib.colors import Normalize

# 创建归一化器，固定范围0-2
custom_norm = Normalize(vmin=0, vmax=2)
scatter.set_norm(custom_norm)
# 数组里的3会被当作2处理，对应colormap的最右端颜色
scatter.set_array(np.array([0, 1, 2, 3, -1]))

其实很多时候我们创建绘图时用的c参数（比如scatter(x,y,c=color_data)），背后就是Matplotlib自动调用了set_array()。只有当你需要动态修改已有图形的颜色（比如做交互式动画、实时数据更新）时，才需要显式调用它。而主流书籍大多侧重静态绘图的基础用法，所以很少单独拿出来讲。

内容的提问来源于stack exchange，提问作者John Strong