matplotlib 散点图与 matplotlib 图之间的一致颜色参数？

Question

我希望使用 matplotlib 绘制月度数据的年际变化（下图）。通过在 plt.scatter() 中传递 c=ds['time.year']，我实现了预期的结果。但是，我希望能够将这些点与类似的 plt.plot() 调用联系起来。这可能吗？

import pandas as pd
import matplotlib.pyplot as plt
import xarray as xr

# create y data 
y = []
for yr in range(10):
    for mo in range(12):
        y.append(yr+mo+(yr*mo)**2)

# create datetime vector
t = pd.date_range(start='1/1/2010', periods=120, freq='M')

# combine in DataArray
ds = xr.DataArray(y, coords={'time':t}, dims=['time'])

# scatter plot with color 
im = plt.scatter(ds['time.month'], ds.values, c=ds['time.year'])
plt.colorbar(im)

输出：

我尝试了以下方法，但它不起作用：

plt.plot(ds['time.month'], ds.values, c=ds['time.year'])

Answer 1

您可以创建一个范数，将年份范围映射到颜色范围。规范与使用的颜色图一起，可以作为 ScalarMapple 的输入来创建伴随的颜色条。使用默认的 'viridis' 颜色图，代码可能如下所示：

import matplotlib.pyplot as plt
from matplotlib.cm import ScalarMappable
import pandas as pd
import xarray as xr

y = []
for yr in range(10):
    for mo in range(12):
        y.append(yr + mo + (yr * mo) ** 2)
t = pd.date_range(start='1/1/2010', periods=120, freq='M')
ds = xr.DataArray(y, coords={'time': t}, dims=['time'])

norm = plt.Normalize(ds['time.year'].min(), ds['time.year'].max())
cmap = plt.cm.get_cmap('viridis')
for year in range(int(ds['time.year'].min()), int(ds['time.year'].max()) + 1):
    plt.plot(ds['time.month'][ds['time.year'] == year],
             ds.values[ds['time.year'] == year],
             ls='-', marker='o', color=cmap(norm(year)))
plt.colorbar(ScalarMappable(cmap=cmap, norm=norm))
plt.xticks(range(1, 13))
plt.show()

matplotlib 散点图与 matplotlib 图之间的一致颜色参数？

Consistent color argument between matplotlib scatter to matplotlib plot?

python

matplotlib

pandas

python-xarray