matplotlib 表：每列范围的单独颜色图

2 阅读 0 评论 0 点赞

我正在使用 matplotlib 创建一个包含 5 行和 4 列的表。我想使用颜色显示每个单独列中所有条目的值差异。理想情况下，我想使用针对每一列个性化的颜色图比例，这意味着该列的颜色图的比例将具有该列值的范围。

澄清 - 在第二列中，值在 800-1200 之间，但第一列值在 120-230 之间。当对整个表的范围应用相同的颜色图时，第一列中的值之间的差异比颜色图范围为 120-230 而不是 120-1200 时的差异要小得多。

这对于 matplotlib 似乎是不可能的，因为颜色图适用于整个表格。我想要的也可能只是一个糟糕而混乱的演示文稿，所以如果有更好的方式来展示我想要的内容，请告诉我！

这就是我现在所拥有的：

fig, ax = plt.subplots()

rows = ['%d nodes' % x for x in (10, 30, 50, 75, 100)]
columns=['TP', 'TN', 'FP', 'FN']

conf_data = np.array(
[[ 230,  847,  784,  208],
 [ 156, 1240,  391,  282],
 [ 146, 1212,  419,  292],
 [ 130, 1148,  483,  308],
 [ 122, 1173,  458,  316]]
)  

normal = plt.Normalize(np.min(conf_data), np.max(conf_data))
fig.patch.set_visible(False)
ax.axis('off')
ax.axis('tight')
ax.table(cellText=conf_data,
         rowLabels=rows,
         colLabels=columns,
         cellColours=cm.GnBu(normal(conf_data)),
         loc='center',
         colWidths=[0.1 for x in columns])
fig.tight_layout()
plt.show()

您可以计算每列的范数：

import matplotlib.cm as cm
fig, ax = plt.subplots()

rows = ['%d nodes' % x for x in (10, 30, 50, 75, 100)]
columns=['TP', 'TN', 'FP', 'FN']

conf_data = np.array(
[[ 230,  847,  784,  208],
 [ 156, 1240,  391,  282],
 [ 146, 1212,  419,  292],
 [ 130, 1148,  483,  308],
 [ 122, 1173,  458,  316]]
)  

colores = np.zeros((conf_data.shape[0], conf_data.shape[1], 4))
for i in range(conf_data.shape[1]):
    col_data = conf_data[:, i]
    normal = plt.Normalize(np.min(col_data), np.max(col_data))
    colores[:, i] = cm.Reds(normal(col_data))

#fig.patch.set_visible(False)
ax.axis('off')
ax.axis('tight')
ax.table(cellText=conf_data,
         rowLabels=rows,
         colLabels=columns,
         cellColours=colores,
         loc='center',
         colWidths=[0.1 for x in columns])
fig.tight_layout()
plt.show()

您可以减去每列的最小值并除以它们ptp。np.ptp或峰峰距离是最大值和最小值之差。将其保存到一个新数组中以用于颜色值。

为避免最高值出现太深的蓝色，您可以将结果乘以 0.8 之类的值。（或者，您可以更改文本颜色，这需要一些额外的代码。）

import numpy as np
from matplotlib import pyplot as plt

fig, ax = plt.subplots()

rows = ['%d nodes' % x for x in (10, 30, 50, 75, 100)]
columns = ['TP', 'TN', 'FP', 'FN']
conf_data = np.array([[230, 847, 784, 208],
                      [156, 1240, 391, 282],
                      [146, 1212, 419, 292],
                      [130, 1148, 483, 308],
                      [122, 1173, 458, 316]])
normed_data = (conf_data - conf_data.min(axis=0, keepdims=True)) / conf_data.ptp(axis=0, keepdims=True)

fig.patch.set_visible(False)
ax.axis('off')
ax.axis('tight')
table = ax.table(cellText=conf_data,
                 rowLabels=rows,
                 colLabels=columns,
                 cellColours=plt.cm.GnBu(normed_data*0.8),
                 loc='center',
                 colWidths=[0.1 for x in columns])
table.scale(2, 2) # make table a little bit larger
fig.tight_layout()
plt.show()

下面是带有两个不同颜色图的结果：左侧的“GnBu”具有 0 到 0.8 之间的规范值，右侧的“coolwarm”具有 0.1 到 0.9 之间的规范值

PS：另一种提高单元格文本和背景颜色之间对比度的方法是设置每个单元格的 alpha：

for cell in table._cells:
    table._cells[cell].set_alpha(.6)