关于python:如何检查图中是否存在颜色条

How to check if colorbar exists on figure

问题:有没有办法检查颜色条是否已经存在?

我正在用一个圈做许多情节。问题是每次迭代都会绘制颜色条!

enter image description here

如果我可以确定颜色条是否存在,那么我可以将颜色条函数放入if语句中。

1
2
3
4
if cb_exists:
    # do nothing
else:
    plt.colorbar() #draw the colorbar

如果我使用多处理来制作图形,是否可以阻止添加多个颜色条?

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import numpy as np
import matplotlib.pyplot as plt
import multiprocessing

def plot(number):
    a = np.random.random([5,5])*number
    plt.pcolormesh(a)
    plt.colorbar()
    plt.savefig('this_'+str(number))

# I want to make a 50 plots
some_list = range(0,50)
num_proc = 5
p = multiprocessing.Pool(num_proc)
temps = p.map(plot, some_list)

enter image description here

我意识到在绘制下一个迭代之前,我可以用plt.clf()和plt.cla()清除这个图。但是,我的basemap层上有数据,我不想重新绘制(这增加了创建绘图所需的时间)。所以,如果我能移除颜色条并添加一个新的,我会节省一些时间。


实际上,从绘图中删除颜色条并随后绘制新的颜色条并不容易。目前我能想到的最好的解决方案是下面的,假设图中只有一个轴。现在,如果有第二个轴,它一定是彩色条。因此,通过检查我们在图上找到多少轴,我们可以判断是否有一个颜色条。

在这里,我们也注意到用户不希望从外部引用任何命名对象。(这没有多大意义,因为我们无论如何都需要使用plt,但是,嘿..问题也是如此)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
im = ax.pcolormesh(np.array(np.random.rand(2,2) ))
ax.plot(np.cos(np.linspace(0.2,1.8))+0.9, np.sin(np.linspace(0.2,1.8))+0.9, c="k", lw=6)
ax.set_title("Title")
cbar = plt.colorbar(im)
cbar.ax.set_ylabel("Label")


for i in range(10):
    # inside this loop we should not access any variables defined outside
    #   why? no real reason, but questioner asked for it.
    #draw new colormesh
    im = plt.gcf().gca().pcolormesh(np.random.rand(2,2))
    #check if there is more than one axes
    if len(plt.gcf().axes) > 1:
        # if so, then the last axes must be the colorbar.
        # we get its extent
        pts = plt.gcf().axes[-1].get_position().get_points()
        # and its label
        label = plt.gcf().axes[-1].get_ylabel()
        # and then remove the axes
        plt.gcf().axes[-1].remove()
        # then we draw a new axes a the extents of the old one
        cax= plt.gcf().add_axes([pts[0][0],pts[0][1],pts[1][0]-pts[0][0],pts[1][1]-pts[0][1]  ])
        # and add a colorbar to it
        cbar = plt.colorbar(im, cax=cax)
        cbar.ax.set_ylabel(label)
        # unfortunately the aspect is different between the initial call to colorbar
        #   without cax argument. Try to reset it (but still it's somehow different)
        cbar.ax.set_aspect(20)
    else:
        plt.colorbar(im)

plt.show()

一般来说,更好的解决方案是对已经存在于绘图中的对象进行操作,并且只使用新数据更新它们。因此,我们抑制了移除和添加轴的需要,并找到一个更干净和更快的解决方案。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots()
im = ax.pcolormesh(np.array(np.random.rand(2,2) ))
ax.plot(np.cos(np.linspace(0.2,1.8))+0.9, np.sin(np.linspace(0.2,1.8))+0.9, c="k", lw=6)
ax.set_title("Title")
cbar = plt.colorbar(im)
cbar.ax.set_ylabel("Label")


for i in range(10):
    data = np.array(np.random.rand(2,2) )
    im.set_array(data.flatten())
    cbar.set_clim(vmin=data.min(),vmax=data.max())
    cbar.draw_all()
    plt.draw()

plt.show()

更新:

实际上,后一种从外部引用对象的方法甚至与提问者所希望的multiprocess方法一起工作。

所以,这里有一个代码可以更新这个数字,而不需要删除颜色条。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
import matplotlib.pyplot as plt
import numpy as np
import multiprocessing
import time

fig, ax = plt.subplots()
im = ax.pcolormesh(np.array(np.random.rand(2,2) ))
ax.plot(np.cos(np.linspace(0.2,1.8))+0.9, np.sin(np.linspace(0.2,1.8))+0.9, c="w", lw=6)
ax.set_title("Title")
cbar = plt.colorbar(im)
cbar.ax.set_ylabel("Label")
tx = ax.text(0.2,0.8,"", fontsize=30, color="w")
tx2 = ax.text(0.2,0.2,"", fontsize=30, color="w")

def do(number):
    start = time.time()
    tx.set_text(str(number))
    data = np.array(np.random.rand(2,2)*(number+1) )
    im.set_array(data.flatten())
    cbar.set_clim(vmin=data.min(),vmax=data.max())
    tx2.set_text("{m:.2f} < {ma:.2f}".format(m=data.min(), ma= data.max() ))
    cbar.draw_all()
    plt.draw()
    plt.savefig("multiproc/{n}.png".format(n=number))
    stop = time.time()

    return np.array([number, start, stop])


if __name__ =="__main__":
    multiprocessing.freeze_support()

    some_list = range(0,50)
    num_proc = 5
    p = multiprocessing.Pool(num_proc)
    nu = p.map(do, some_list)
    nu = np.array(nu)

    plt.close("all")
    fig, ax = plt.subplots(figsize=(16,9))
    ax.barh(nu[:,0], nu[:,2]-nu[:,1], height=np.ones(len(some_list)), left=nu[:,1],  align="center")
    plt.show()

(结尾的代码显示了一个时间表,允许查看是否确实进行了多处理)


如果可以访问轴和图像信息,则可以检索颜色条作为图像的属性(或与颜色条关联的可映射)。

在前面的回答(如何从Matplotlib中的图中检索颜色条实例)之后,一个示例可以是:

1
2
3
4
ax=plt.gca()        #plt.gca() for current axis, otherwise set appropriately.
im=ax.images        #this is a list of all images that have been plotted
if im[-1].colorbar is None:   #in this case I assume to be interested to the last one plotted, otherwise use the appropriate index or loop over
    plt.colorbar() #plot a new colorbar

请注意,没有颜色条的图像不会返回到im[-1].colorbar


一种方法是:

  • 最初(在绘制任何颜色条之前),设置一个变量

    1
    colorBarPresent = False
  • 在绘制颜色条的方法中,检查是否已绘制颜色条。如果没有,则绘制它并将colorbarpresent变量设置为真:

    1
    2
    3
    4
    5
    6
    def drawColorBar():
        if colorBarPresent:
            # leave the function and don't draw the bar again
        else:
            # draw  the color bar
            colorBarPresent = True

  • 有一种间接的猜测方法(我认为,对于大多数应用程序来说,具有合理的准确性)Axes实例是否是颜色条的所在。取决于它是水平还是垂直颜色条,X轴或Y轴(但不是两者)将满足所有这些条件:

    • 无蜱
    • 无蜱标签
    • 无轴标签
    • 轴范围是(0,1)

    下面是一个函数:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    def is_colorbar(ax):
       """
        Guesses whether a set of Axes is home to a colorbar

        :param ax: Axes instance

        :return: bool
            True if the x xor y axis satisfies all of the following and thus looks like it's probably a colorbar:
                No ticks, no tick labels, no axis label, and range is (0, 1)
       """

        xcb = (len(ax.get_xticks()) == 0) and (len(ax.get_xticklabels()) == 0) and (len(ax.get_xlabel()) == 0) and \
              (ax.get_xlim() == (0, 1))
        ycb = (len(ax.get_yticks()) == 0) and (len(ax.get_yticklabels()) == 0) and (len(ax.get_ylabel()) == 0) and \
              (ax.get_ylim() == (0, 1))
        return xcb != ycb  # != is effectively xor in this case, since xcb and ycb are both bool

    多亏了这个关于酷酷的!=xor技巧的答案:https://stackoverflow.com/a/433161/6605826

    使用此功能,您可以通过以下方式查看颜色栏是否存在:

    1
    colorbar_exists = any([is_colorbar(ax) for ax in np.atleast_1d(gcf().axes).flatten()])

    或者,如果您确定颜色条始终是最后一个,您可以轻松摆脱:

    1
    colorbar_exists = is_colorbar(gcf().axes[-1])