良いカラーマップを選択する背景にあるアイデアは、データセットの 3D カラースペースを適切に表現することです。 与えられたデータセットに最適なカラーマップは、以下を含む多くのものによって決まります。

• フォームまたはメトリックデータを表示するかどうか（[Ware]）
• データセットに関するあなたの知識（例えば、他の値が逸脱する重要な値がありますか？）
• プロットしているパラメータに直感的な配色がある場合
• フィールドに標準がある場合、視聴者は期待しているかもしれません

　多くのアプリケーションでは、知覚的に一様なカラーマップが最良の選択です---データの等しいステップが色空間の等しいステップとして認識されるものです。 研究者は、人間の脳は、明度パラメータの変化を、例えば色相の変化よりもはるかに良好なデータの変化として知覚することを見出した。 したがって、カラーマップを通って単調に増加する明度を有するカラーマップは、観察者によりよく解釈される。 知覚的に均一なカラーマップの素晴らしい例は [colorcet] です。

　色は 3D 空間でさまざまな方法で表現できます。 色を表現する 1 つの方法は、CIELAB を使用することです。 CIELAB では、色空間は明度 で表されます。 赤、緑 、 ; 黄色、青色 。 次に、明度パラメータ を使用して、matplotlib カラーマップが視聴者にどのように認識されるかを知ることができます。

　人間がカラーマップを認識するための優れた出発点は、[IBM]からです。

Top

# sphinx_gallery_thumbnail_number = 2

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib import cm
from colorspacious import cspace_converter
from collections import OrderedDict

cmaps = OrderedDict() 

Top

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib import cm
from colorspacious import cspace_converter
from collections import OrderedDict

cmaps = OrderedDict()

cmaps['Perceptually Uniform Sequential'] = [
            'viridis', 'plasma', 'inferno', 'magma', 'cividis']

cmaps['Sequential'] = [
            'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
            'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
            'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']

cmaps['Sequential (2)'] = [
            'binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink',
            'spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia',
            'hot', 'afmhot', 'gist_heat', 'copper']

cmaps['Diverging'] = [
            'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
            'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic']

cmaps['Cyclic'] = ['twilight', 'twilight_shifted', 'hsv']

cmaps['Qualitative'] = ['Pastel1', 'Pastel2', 'Paired', 'Accent',
                        'Dark2', 'Set1', 'Set2', 'Set3',
                        'tab10', 'tab20', 'tab20b', 'tab20c']

cmaps['Miscellaneous'] = [
            'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
            'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg',
            'gist_rainbow', 'rainbow', 'jet', 'nipy_spectral', 'gist_ncar']

mpl.rcParams.update({'font.size': 12})

# Number of colormap per subplot for particular cmap categories
_DSUBS = {'Perceptually Uniform Sequential': 5, 'Sequential': 6,
          'Sequential (2)': 6, 'Diverging': 6, 'Cyclic': 3,
          'Qualitative': 4, 'Miscellaneous': 6}

# Spacing between the colormaps of a subplot
_DC = {'Perceptually Uniform Sequential': 1.4, 'Sequential': 0.7,
       'Sequential (2)': 1.4, 'Diverging': 1.4, 'Cyclic': 1.4,
       'Qualitative': 1.4, 'Miscellaneous': 1.4}

# Indices to step through colormap
x = np.linspace(0.0, 1.0, 100)

# Do plot
for cmap_category, cmap_list in cmaps.items():

    # Do subplots so that colormaps have enough space.
    # Default is 6 colormaps per subplot.
    dsub = _DSUBS.get(cmap_category, 6)
    nsubplots = int(np.ceil(len(cmap_list) / dsub))

    # squeeze=False to handle similarly the case of a single subplot
    fig, axes = plt.subplots(nrows=nsubplots, squeeze=False,
                             figsize=(7, 2.6*nsubplots))

    for i, ax in enumerate(axes.flat):

        locs = []  # locations for text labels

        for j, cmap in enumerate(cmap_list[i*dsub:(i+1)*dsub]):

            # Get RGB values for colormap and convert the colormap in
            # CAM02-UCS colorspace.  lab[0, :, 0] is the lightness.
            rgb = cm.get_cmap(cmap)(x)[np.newaxis, :, :3]
            lab = cspace_converter("sRGB1", "CAM02-UCS")(rgb)

            # Plot colormap L values.  Do separately for each category
            # so each plot can be pretty.  To make scatter markers change
            # color along plot:
            # http://stackoverflow.com/questions/8202605/matplotlib-scatterplot
	    # -colour-as-a-function-of-a-third-variable

            if cmap_category == 'Sequential':
                # These colormaps all start at high lightness but we want them
                # reversed to look nice in the plot, so reverse the order.
                y_ = lab[0, ::-1, 0]
                c_ = x[::-1]
            else:
                y_ = lab[0, :, 0]
                c_ = x

            dc = _DC.get(cmap_category, 1.4)  # cmaps horizontal spacing
            ax.scatter(x + j*dc, y_, c=c_, cmap=cmap, s=300, linewidths=0.0)

            # Store locations for colormap labels
            if cmap_category in ('Perceptually Uniform Sequential',
                                 'Sequential'):
                locs.append(x[-1] + j*dc)
            elif cmap_category in ('Diverging', 'Qualitative', 'Cyclic',
                                   'Miscellaneous', 'Sequential (2)'):
                locs.append(x[int(x.size/2.)] + j*dc)

        # Set up the axis limits:
        #   * the 1st subplot is used as a reference for the x-axis limits
        #   * lightness values goes from 0 to 100 (y-axis limits)
        ax.set_xlim(axes[0, 0].get_xlim())
        ax.set_ylim(0.0, 100.0)

        # Set up labels for colormaps
        ax.xaxis.set_ticks_position('top')
        ticker = mpl.ticker.FixedLocator(locs)
        ax.xaxis.set_major_locator(ticker)
        formatter = mpl.ticker.FixedFormatter(cmap_list[i*dsub:(i+1)*dsub])
        ax.xaxis.set_major_formatter(formatter)
        ax.xaxis.set_tick_params(rotation=50)

    ax.set_xlabel(cmap_category + ' colormaps', fontsize=14)
    fig.text(0.0, 0.55, 'Lightness $L^*$', fontsize=12,
             transform=fig.transFigure, rotation=90)

    fig.tight_layout(h_pad=0.0, pad=1.5)
    plt.show()

plt.show() 

　

　

　

　

　

　

　

M:\______\Colormaps_Matplotlib_09.py:75: MatplotlibDeprecationWarning: 
    The get_cmap function was deprecated in Matplotlib 3.7 and will be removed 
    two minor releases later. Use ``matplotlib.colormaps[name]`` 
    or ``matplotlib.colormaps.get_cmap(obj)`` instead.
  rgb = cm.get_cmap(cmap)(x)[np.newaxis, :, :3] 

Traceback (most recent call last):
  File "E:\______\Colormaps_Matplotlib_09.py", line 7, in 
    from colorspacious import cspace_converter
ModuleNotFoundError: No module named 'colorspacious' 

Top

　黒と白のプリンタで印刷できるので、カラープロットのグレースケールへの変換に注意することが重要です。慎重に考慮されないと、読者は判読不能なプロットに終わる可能性があります。なぜなら、グレースケールが予期せずカラーマップを通して変化するからです。

　グレースケールへの変換はさまざまな方法で行われます [bw] 。より良いもののいくつかは、ピクセルの rgb 値の線形結合を使用しますが、色の強度をどのように知覚するかに応じて重み付けされます。グレースケールに変換する非線形の方法は、ピクセルの値を使用することです。一般的に、同様の原則が知覚的に自分の情報を提示するのと同じようにこの問題に適用されます。つまり、値が単調に増加するカラーマップが選択された場合、グレースケールに合理的な方法で印刷されます。

　これを念頭において、Sequential カラーマップはグレースケールで合理的な表現をしていることがわかります。いくつかの（秋、春、夏、冬>）グレースケールの変化はほとんどありませんが、Sequential2 カラーマップのいくつかは十分なグレースケール表現を持っています。このようなカラーマップがプロットで使用され、プロットがグレースケールに印刷された場合、多くの情報が同じグレー値にマッピングされる可能性があります。 Diverging カラーマップは、ほとんどが外側のエッジの濃いグレーから真ん中の白まで変化します。一部（PuOrと地震）は、片側が他の部分よりも著しく濃い灰色をしているため、あまり対称ではありません。 coolwarmはグレースケールの範囲がほとんどなく、より詳細な情報を失うより均一なプロットに印刷されます。オーバーレイされたラベル付き輪郭は、プロットがグレースケールに印刷された後にカラーを使用することができないため、カラーマップの一方の側と他方の側を区別するのに役立つことに注意してください。 Accent、hsv、jet などの定性的およびその他のカラーマップの多くは、カラーマップ全体で暗い色から明るい色に変化し、暗いグレー色に変化します。これは、一旦それがグレースケールで印刷されると、見る者がプロット内の情報を解釈することを不可能にする。

# sphinx_gallery_thumbnail_number = 2

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib import cm
from colorspacious import cspace_converter
from collections import OrderedDict

cmaps = OrderedDict()

cmaps['Perceptually Uniform Sequential'] = [
            'viridis', 'plasma', 'inferno', 'magma', 'cividis']

cmaps['Sequential'] = [
            'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
            'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
            'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']

cmaps['Sequential (2)'] = [
            'binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink',
            'spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia',
            'hot', 'afmhot', 'gist_heat', 'copper']

cmaps['Diverging'] = [
            'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
            'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic']

cmaps['Cyclic'] = ['twilight', 'twilight_shifted', 'hsv']

cmaps['Qualitative'] = ['Pastel1', 'Pastel2', 'Paired', 'Accent',
                        'Dark2', 'Set1', 'Set2', 'Set3',
                        'tab10', 'tab20', 'tab20b', 'tab20c']

cmaps['Miscellaneous'] = [
            'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
            'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg',
            'gist_rainbow', 'rainbow', 'jet', 'nipy_spectral', 'gist_ncar']

mpl.rcParams.update({'font.size': 12})

# Number of colormap per subplot for particular cmap categories
_DSUBS = {'Perceptually Uniform Sequential': 5, 'Sequential': 6,
          'Sequential (2)': 6, 'Diverging': 6, 'Cyclic': 3,
          'Qualitative': 4, 'Miscellaneous': 6}

# Spacing between the colormaps of a subplot
_DC = {'Perceptually Uniform Sequential': 1.4, 'Sequential': 0.7,
       'Sequential (2)': 1.4, 'Diverging': 1.4, 'Cyclic': 1.4,
       'Qualitative': 1.4, 'Miscellaneous': 1.4}

# Indices to step through colormap
x = np.linspace(0.0, 1.0, 100)

# Do plot
for cmap_category, cmap_list in cmaps.items():

    # Do subplots so that colormaps have enough space.
    # Default is 6 colormaps per subplot.
    dsub = _DSUBS.get(cmap_category, 6)
    nsubplots = int(np.ceil(len(cmap_list) / dsub))

    # squeeze=False to handle similarly the case of a single subplot
    fig, axes = plt.subplots(nrows=nsubplots, squeeze=False,
                             figsize=(7, 2.6*nsubplots))

    for i, ax in enumerate(axes.flat):

        locs = []  # locations for text labels

        for j, cmap in enumerate(cmap_list[i*dsub:(i+1)*dsub]):

            # Get RGB values for colormap and convert the colormap in
            # CAM02-UCS colorspace.  lab[0, :, 0] is the lightness.
            rgb = cm.get_cmap(cmap)(x)[np.newaxis, :, :3]
            lab = cspace_converter("sRGB1", "CAM02-UCS")(rgb)

            # Plot colormap L values.  Do separately for each category
            # so each plot can be pretty.  To make scatter markers change
            # color along plot:
            # http://stackoverflow.com/questions/8202605/matplotlib-scatterplot-colour-as-a-function-of-a-third-variable

            if cmap_category == 'Sequential':
                # These colormaps all start at high lightness but we want them
                # reversed to look nice in the plot, so reverse the order.
                y_ = lab[0, ::-1, 0]
                c_ = x[::-1]
            else:
                y_ = lab[0, :, 0]
                c_ = x

            dc = _DC.get(cmap_category, 1.4)  # cmaps horizontal spacing
            ax.scatter(x + j*dc, y_, c=c_, cmap=cmap, s=300, linewidths=0.0)

            # Store locations for colormap labels
            if cmap_category in ('Perceptually Uniform Sequential',
                                 'Sequential'):
                locs.append(x[-1] + j*dc)
            elif cmap_category in ('Diverging', 'Qualitative', 'Cyclic',
                                   'Miscellaneous', 'Sequential (2)'):
                locs.append(x[int(x.size/2.)] + j*dc)

        # Set up the axis limits:
        #   * the 1st subplot is used as a reference for the x-axis limits
        #   * lightness values goes from 0 to 100 (y-axis limits)
        ax.set_xlim(axes[0, 0].get_xlim())
        ax.set_ylim(0.0, 100.0)

        # Set up labels for colormaps
        ax.xaxis.set_ticks_position('top')
        ticker = mpl.ticker.FixedLocator(locs)
        ax.xaxis.set_major_locator(ticker)
        formatter = mpl.ticker.FixedFormatter(cmap_list[i*dsub:(i+1)*dsub])
        ax.xaxis.set_major_formatter(formatter)
        ax.xaxis.set_tick_params(rotation=50)

    ax.set_xlabel(cmap_category + ' colormaps', fontsize=14)
    fig.text(0.0, 0.55, 'Lightness $L^*$', fontsize=12,
             transform=fig.transFigure, rotation=90)

    fig.tight_layout(h_pad=0.0, pad=1.5)
    plt.show()

plt.show() 

　

　

　

　

　

　

　

M:\______\Colormaps_Matplotlib_10.py:58: MatplotlibDeprecationWarning: 
    The get_cmap function was deprecated in Matplotlib 3.7 and will be removed 
    two minor releases later. Use ``matplotlib.colormaps[name]`` 
    or ``matplotlib.colormaps.get_cmap(obj)`` instead.
  rgb = cm.get_cmap(plt.get_cmap(name))(x)[np.newaxis, :, :3] 

Traceback (most recent call last):
  File "E:\____\Colormaps_Matplotlib_10.py", line 7, in 
    from colorspacious import cspace_converter
ModuleNotFoundError: No module named 'colorspacious' 

Top

• 2023/11/05 Ver=1.04 Python 3.12.0 で確認
• 2023/11/05 Ver=1.04 Python 3.11.6 で確認
• 2023/03/11 Ver=1.03 Python 3.11.2 で確認
• 2020/10/28 Ver=1.01 Python 3.7.8 で確認
• 2018/11/08 Ver=1.01 初版リリース

Top