Python 实现对数色标并保留绘图细节（避免等值线图变成粗糙色块）

阿月浑

【菜鸟的一些绘图记录】
#自用笨方法，如有其他方法还望不吝赐教#

在重现一篇文献中的图像时发现原作者用的是对数色标，本人先是直接绘制等值线图（其实已经很接近了）：

原图

直接绘制

为了精益求精，就想进一步取对数色标。但用了比较常见的直接取对数的方法，图像会变成较大的几个粗糙色块，和原文图像相差甚远，无法看出细节的变化。贴两个常规方法主要代码：

直接设置

1. pcm = ax.contourf(np.arange(-180,180,resolution), np.arange(-90,90,resolution), a, [1e0,1e1,1e2], cmap = mycm, crs = ccrs.PlateCarree(),  extend = 'both')
   
2. cb = fig.colorbar(pcm, orientation = 'vertical', fraction = 0.02, pad = 0.05, aspect = 17)

复制代码

进一步，使用colors.LogNorm

1. import matplotlib.colors as colors
   
2. from matplotlib.colors import LogNorm
   
3. 
   
4. norm = colors.LogNorm(vmin = 1E0, vmax = 1E2)
   
5. pcm = ax.contourf(np.arange(-180,180,resolution), np.arange(-90,90,resolution), a, levels = [0.1,1,10,100], norm= norm, cmap = mycm, crs = ccrs.PlateCarree(), extend = 'both')
   
6. #使用[0.1,1,10,100]，而不能用线性np.arange
   
7. cb = fig.colorbar(pcm, orientation = 'vertical', fraction = 0.02, pad = 0.05, aspect = 17)

复制代码

都不太符合我的需求。因此，我最初的解决方法是图像和色标分别绘制，即用“伪色标”的方法实现绘图细节，并且调节了色标和图像的对应关系。

这里是绘制等高线图后，直接用plt.colorbar或fig.colorbar单独绘制一个对数色标（注意在新版本的Matplotlib中，DivergingNorm更新为TwoSlopeNorm）：

1. import matplotlib.colors as colors
   
2. from matplotlib.colors import LogNorm
   
3. import matplotlib.cm as cm
   
4. 
   
5. norm = colors.DivergingNorm(vmin = 1, vmax = 100, vcenter=10)
   
6. #vmax/vmin应相同，中间值vcenter应为对数色标的中间值
   
7. im = cm.ScalarMappable(norm = normcb, cmap = mycm)
   
8. pcm = ax.contourf(np.arange(-180,180,resolution), np.arange(-90,90,resolution), a, np.arange(1,100,0.5), norm= norm, cmap = mycm, crs = ccrs.PlateCarree(), extend = 'both')
   
9. cb = fig.colorbar(im, orientation = 'vertical', fraction = 0.02, pad = 0.05, aspect = 17)#绘制im色标

复制代码

感谢论坛灭火器老师的指出，虽然图像看起来基本没问题，这个方法其实是不对的，contourf和colorbar用的normalization并不同。

因此进行改进：

1. import matplotlib.colors as colors
   
2. from matplotlib.colors import LogNorm
   
3. import matplotlib.cm as cm
   
4. 
   
5. norm = colors.LogNorm(vmin = 1E0, vmax = 1E2)
   
6. levels = np.logspace(0, 2, 100)
   
7. pcm = ax.contourf(np.arange(-180,180,resolution), np.arange(-90,90,resolution), a, levels, norm= norm, cmap = mycm, crs = ccrs.PlateCarree(), extend = 'both')
   
8. cb = fig.colorbar(pcm, ticks=[1,10,100], orientation = 'vertical', fraction = 0.02, pad = 0.05, aspect = 17)
   
9. cb.ax.minorticks_off()

复制代码

这样应该就比较正确了

参考链接：

Matplotlib 系列：colorbar 的设置 - 炸鸡人博客 (zhajiman.github.io)

关于python：matplotlib等高线图：对数刻度成比例的颜色条水平 | 码农家园 (codenong.com)

做一个学习记录，如有问题或更好的方法，欢迎指出

灭火器

第一，第三张图中使用 LogNorm 的思路是正确的，但 contourf 的 levels 用的是线性的 np.arange(1,100,0.5)，与对数尺度的 colorbar 并不匹配，应该改为 [1, 10, 100] 这种。
第二，解决方案里 contourf 和 colorbar 分开画，二者用的 normalization 并不同，只是看起来比较像罢了，contourf 实际上采用的是分段线性的归一化。
第三，DivergingNorm 在 19 年就改名为了 TwoSlopeNorm，你还能用说明你的 Matplotlib 版本很低……
最后给个示例

1. cmap = cmaps.WhBlGrYeRe
   
2. norm = mcolors.LogNorm(vmin=1E-1, vmax=1E2)
   
3. levels = np.logspace(-1, 2, 100)
   
4. cticks = np.logspace(-1, 2, 4)
   
5. 
   
6. fig, ax = plt.subplots()
   
7. im = ax.contourf(X, Y, Z, levels, cmap=cmap, norm=norm, extend='both')
   
8. cbar = fig.colorbar(im, ax=ax, ticks=cticks, format='%.0f')
   
9. cbar.ax.minorticks_off()
   
10. plt.show()

复制代码

阿月浑

灭火器 发表于 2022-4-18 17:13
第一，第三张图中使用 LogNorm 的思路是正确的，但 contourf 的 levels 用的是线性的 np.arange(1,100,0.5) ...

非常感谢您！因为我搜了下相关内容不多所以自己做了尝试，果然还是有问题，我来按照您的方法尝试一下。另外Matplotlib版本低应该是我之前为了兼容其他版本低的库所以降了版本，谢谢您指出

阿月浑

灭火器 发表于 2022-4-18 17:13
第一，第三张图中使用 LogNorm 的思路是正确的，但 contourf 的 levels 用的是线性的 np.arange(1,100,0.5) ...

非常感谢解决啦！我来编辑一下原帖

灭火器

分开画的思路在有些场合也很有用，你发出来大家也可以少踩坑互相学习

lxy287131416

好棒好棒，学习一下

千与千叶

好棒好棒，学习一下

myj0219

111111111111111111111111111111

LIqy

想请问老师，用对数刻度坐标画的原因是因为它可视化能力更强吗？

阿月浑

LIqy 发表于 2022-4-19 09:47
想请问老师，用对数刻度坐标画的原因是因为它可视化能力更强吗？

按我个人的理解，如果要可视化的数据在很大范围内变化，或者呈指数变化等，这些情况下用对数标度缩放并进行描述就很有用。其实我自己做的这个图不太典型，只是我做的一个例子，今后你遇到更典型的情况应该可以体会到这么做的好处