Я пытаюсь использовать imshow в matplotlib для построения данных в виде тепловой карты, но некоторые из них - NaN. Я бы хотел, чтобы NaNs отображались как особый цвет, не найденный в цветовой палитре.
Пример:
import numpy as np
import matplotlib.pyplot as plt
f = plt.figure()
ax = f.add_subplot(111)
a = np.arange(25).reshape((5,5)).astype(float)
a[3,:] = np.nan
ax.imshow(a, interpolation='nearest')
f.canvas.draw()
Полученное изображение неожиданно становится синим (самый низкий цвет в цветовой карте струи). Однако, если я сделаю так:
ax.imshow(a, interpolation='nearest', vmin=0, vmax=24)
- тогда я получаю что-то лучшее, но значения NaN рисуются того же цвета, что и vmin... Есть ли изящный способ, которым я могу установить NaNs с помощью специального цвета (например: серый или прозрачный)?
Hrm, похоже, я могу использовать маскированный массив для этого:
masked_array = np.ma.array (a, mask=np.isnan(a))
cmap = matplotlib.cm.jet
cmap.set_bad('white',1.)
ax.imshow(masked_array, interpolation='nearest', cmap=cmap)
Этого должно быть достаточно, хотя я по-прежнему открыт для предложений.:]
С более новыми версиями Matplotlib больше не нужно использовать маскированный массив.
Например, давайте сгенерируем массив, где каждое 7-е значение является NaN:
arr = np.arange(100, dtype=float).reshape(10, 10)
arr[~(arr % 7).astype(bool)] = np.nan
Мы можем изменить текущий цветовой код и построить массив со следующими строками:
current_cmap = matplotlib.cm.get_cmap()
current_cmap.set_bad(color='red')
plt.imshow(arr)
Это не сработало для меня. Я получал сообщение об ошибке, так же как и обходной путь:
a[3,:] = -999
masked_array=np.ma.masked_where(a==-999, a)
cmap = matplotlib.cm.jet
cmap.set_bad('w',1.)
ax.imshow(masked_array, interpolation='nearest', cmap=cmap)