colorn = 'bwr' leveln = [-2.5, -1.5, -0.5, 0.5, 1.5, 2.5] leveln1 = [-2, -1, 0, 1, 2] leveln2 = ['显著下降', '不显著下降', '无变化', '不显著上升', '显著上升'] # filen = 'delta.flt' # titlen = "Resistance" titlen = "1970-2015年SPEI空间演变格局" # labeln = "天(day)" # labeln = "摄氏度(℃)" extendn = 'neither' out_filen = 'delta.png' colorbar_label_font = colorbar_label_font_C cm = mpl.cm.get_cmap(colorn, 20) # 分为7级 num:Spectral_r 2:CMRmap_r 1:gist_heat_r cm.set_bad("w") # 设置背景色 cm.set_over("darkslategray") cm.set_under("darkslategray") levels = leveln norm = BoundaryNorm(levels, ncolors=cm.N, clip=True)

时间: 2024-04-08 08:36:20 浏览: 13
这段代码中定义了一些与颜色映射和等级相关的参数。 - `colorn` 表示颜色映射的名称,这里使用的是'bwr',表示蓝白红的颜色映射。 - `leveln` 是一个列表,表示等级的取值范围。这里的取值范围是[-2.5, -1.5, -0.5, 0.5, 1.5, 2.5],即划分为6个等级。 - `leveln1` 是一个列表,表示等级的取值范围的简化版本。这里的取值范围是[-2, -1, 0, 1, 2],即划分为5个等级。 - `leveln2` 是一个列表,表示每个等级的标签。这里的标签分别是['显著下降', '不显著下降', '无变化', '不显著上升', '显著上升']。 - `titlen` 表示地图的标题,这里的标题是"1970-2015年SPEI空间演变格局"。 - `extendn` 表示颜色映射的扩展方式,这里设置为'neither',表示不进行扩展。 - `out_filen` 表示输出文件的名称,这里设置为'delta.png'。 - `colorbar_label_font` 是一个未定义的变量,可能是用于设置颜色条标签的字体。 接下来,使用mpl.cm.get_cmap函数获取了一个颜色映射对象,并设置了一些颜色的属性,如背景色、超出范围的颜色等。然后,定义了等级的范围和边界规范,用于对数据进行映射和分级显示。
相关问题

cmap=plt.cm.bwr

cmap参数用于指定颜色映射表,它是一个Colormap对象,用于将数据值映射为颜色。在这里,plt.cm.bwr是一个内置的颜色映射表,它表示蓝白红色的颜色映射表,其中,蓝色表示数据值较小的区域,红色表示数据值较大的区域,白色表示数据值在中间的区域。因此,在地图上绘制等值线图时,数据值较小的区域会显示为蓝色,数据值较大的区域会显示为红色,数据值在中间的区域会显示为白色。你也可以使用其它的颜色映射表,例如plt.cm.jet、plt.cm.cool等,它们都是内置的颜色映射表。

cb3=fig.colorbar(sm,ax=imcb2,shrink=1,aspect=20,cmap='bwr')给颜色条添加三角

要在颜色条上添加三角形,您可以使用`plt.annotate()`函数。以下是一个示例代码,演示如何在颜色条上添加三角形: ```python import matplotlib.pyplot as plt import numpy as np # 生成一些数据 x = np.linspace(0, 10, 100) y = np.sin(x) # 绘制图像和颜色条 fig, ax = plt.subplots() im = ax.scatter(x, y, c=y, cmap='bwr') cb = fig.colorbar(im) # 获取颜色条的坐标范围 xmin, xmax = cb.ax.get_xlim() ymin, ymax = cb.ax.get_ylim() # 添加三角形 cb.ax.annotate('', xy=(xmin, ymin), xytext=(xmax, ymin), xycoords='data', textcoords='data', arrowprops=dict(arrowstyle='<|-', facecolor='black')) # 显示图像 plt.show() ``` 在这个示例中,我们首先绘制了一些数据,并使用`scatter`函数将其可视化。然后,我们使用`colorbar`函数绘制了颜色条。接下来,我们使用`annotate`函数在颜色条的底部添加了一个三角形。`annotate`函数的参数如下: - `xy`:箭头的起点坐标,这里设置为颜色条的左下角; - `xytext`:箭头的终点坐标,这里设置为颜色条的右下角; - `xycoords`和`textcoords`:指定起点坐标和终点坐标的坐标系,这里都设置为`data`,表示使用数据坐标系; - `arrowprops`:指定箭头的样式和颜色。 运行代码,您将在颜色条的底部看到一个黑色箭头和一个三角形,箭头指向三角形。您可以根据需要自定义箭头和三角形的颜色和样式。

相关推荐

为我将将第二张图的画图方式改为pcolor,并模拟运行结果# -- coding: utf-8 -- """ Created on Thu Jun 1 17:06:08 2023 @author: Rayquaza """ import numpy as np import matplotlib.pyplot as plt def ricker(f, length, dt): t = np.arange(-length/2,(length-dt)/2, dt) y = (1.0 - 2.0*(np.pi2)(f2)(t2)) * np.exp(-(np.pi2)(f2)(t2)) return t,y Frequency = 20 length = 0.128 dt = 0.001 t0, w0 = ricker(Frequency, length, dt) rho = np.array([1.6, 2.4, 1.8]) v = np.array([2000, 3000, 2200]) x = np.arange(0, 500, 1) t = np.arange(0, 0.3, dt) Z = rho*v d_model = np.zeros((2, 500)) for i in range(500): d_model[0, i] = 200 if i < 50: d_model[1, i] = 200 elif i < 250 and i >= 50: d_model[1, i] = 200 + (i-50) elif i >=250: d_model[1, i] = 400 t1 = np.zeros((2, 500)) t1[0, :] = d_model[0,:] / v[1] for i in range(500): t1[1, i] = (d_model[1, i] - d_model[0, i]) / v[2] + t1[0, i] L = np.zeros(2) for i in range(2): L[i] = (Z[i+1] - Z[i]) / (Z[i+1] + Z[i]) L1 = np.zeros([300, 500]) for i in range(2): for j in range(500): if j < 50: L1[int(np.round(t1[i,j]/dt)),j] = (Z[2]-Z[0]) / (Z[2]+Z[0]) else: L1[int(np.round(t1[i,j]/dt)),j] = L[i] syn = np.zeros((300, 500)) for j in range(500): syn[: , j] = np.convolve(L1[:,j], w0, 'same') fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(18, 9)) axes[0].plot(w0, t0, 'b-') axes[0].xaxis.set_ticks_position('top') axes[0].invert_yaxis() axes[0].set_title("Amplitude", fontsize = 12) axes[0].set_ylabel("Time(s)",fontsize = 12) X, T = np.meshgrid(x, t) c = axes[1].contour(X, T, L1) axes[1].xaxis.set_ticks_position('top') axes[1].invert_yaxis() axes[1].set_title("Reflection Coefficient", fontsize = 12) axes[1].set_ylabel("Eight-Way Travel Time(s)",fontsize = 12) c_map = axes[2].pcolormesh(X, T, syn, cmap='bwr', shading='auto') axes[2].xaxis.set_ticks_position('top') axes[2].invert_yaxis() axes[2].set_xlabel("Amplitude", fontsize = 12) axes[2].set_ylabel("Two-Way Travel Time(s)",fontsize = 12) fig.colorbar(c_map, ax=axes[2]) fig.suptitle('Two-Layer Synthetic Seismogram', fontsize = 18) plt.tight_layout() plt.show()

#功图批量绘制 import os import numpy as np import pandas as pd from PIL import Image from matplotlib import pyplot as plt plt.figure(figsize=(4, 2), dpi=50, frameon=False) ax = plt.axes([0, 0, 1, 1]) grey = plt.get_cmap('Greys') seismic = plt.get_cmap('bwr') datapath = "G:/功图excel/0" conds = os.listdir(datapath) for cond in conds: data = pd.read_csv("G:/功图excel/0/" + cond) os.mkdir(r"G:/功图/0/" + cond[:-4]) # print(data) # 首先将pandas读取的数据转化为array data = np.array(data) # 然后转化为list形式 data = data.tolist() # print(data) n = 0 for i in data: if np.isnan(i).any(): # 检查数据是否包含 NaN 值 continue # 如果包含,则跳过该迭代 WY = i[0:200] ZH = i[200:400] # print(len(WY),len(ZH)) plt.plot(WY[0: 100], ZH[0: 100], color=seismic(5 / 5.0), lw=3) plt.plot(WY[100: 200], ZH[100: 200], color=seismic(0 / 5.0), lw=3) plt.xticks([]) plt.yticks([]) ax.spines['right'].set_visible(False) ax.spines['top'].set_visible(False) ax.spines['left'].set_visible(False) ax.spines['bottom'].set_visible(False) Y_ALL = [] Y_ALL.extend(list(map(float, ZH))) Y_MAX, Y_MIN = np.max(Y_ALL), np.min(Y_ALL) ax.set_ylim(np.min([0, Y_MIN - (Y_MAX - Y_MIN) * 0.1]), Y_MAX + (Y_MAX - Y_MIN) * 0.1) plt.savefig("G:/功图/0/" + cond[:-4] + '/' + str(n), dpi=50) # plt.savefig(newpath + "GT/" + cond + "/" + data['IMGNAME'][i], dpi=50) plt.clf() # plt.show() n = n + 1,以上这段代码画出来的图第一张无边框,其余都有边框。怎样让所有图都无边框

最新推荐

recommend-type

Java课程设计-java web 网上商城,后台商品管理(前后端源码+数据库+文档) .zip

项目规划与设计: 确定系统需求,包括商品管理的功能(如添加商品、编辑商品、删除商品、查看商品列表等)。 设计数据库模型,包括商品表、类别表、库存表等。 确定系统的技术栈,如使用Spring MVC作为MVC框架、Hibernate或MyBatis作为ORM框架、Spring Security进行权限控制等。 环境搭建: 搭建开发环境,包括安装JDK、配置Servlet容器(如Tomcat)、配置数据库(如MySQL)等。 创建一个Maven项目,添加所需的依赖库。 数据库设计与创建: 根据设计好的数据库模型,在数据库中创建相应的表结构。 后端开发: 创建Java实体类,对应数据库中的表结构。 编写数据访问层(DAO)代码,实现对商品信息的增删改查操作。 编写服务层(Service)代码,实现业务逻辑,如商品管理的各种操作。 开发控制器层(Controller),实现与前端页面的交互,接收请求并调用相应的服务进行处理。 前端开发: 使用HTML、CSS和JavaScript等前端技术,设计并实现商品管理页面的界面。 通过Ajax技术,实现前后端的数据交互,如异步加载商品列表、实
recommend-type

母线电容计算 .xmcd

变频器 母线电容计算 mathcad
recommend-type

2022年中国大学生计算机设计大赛国赛优秀作品点评微课与教学辅助&数媒静态设计专业组视频

2022年中国大学生计算机设计大赛国赛优秀作品点评微课与教学辅助&数媒静态设计专业组视频提取方式是百度网盘分享地址
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这