カラーマップの選択肢

スカラー値をプロットする場合は，Matplotlib，Colorcet，cmocean，またはカスタムカラーマップを使用します．

from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt
import numpy as np

import pyvista as pv
from pyvista import examples

matplotlib ， colorcet ， cmocean 用に作成されたカラーマップはすべてPyVistaと完全に互換性があります．カラーマップは通常， cmap 引数によってカラーマップの文字列名をプロットルーチンに渡すことで指定します．

Matplotlib's complete list of available colormaps ， Colorcet's complete list および cmocean's complete list を参照．

カスタムメイドのカラーマップ

カスタムのカラーマップを使い始めるには，スカラー値を含むデータをダウンロードしてプロットします．

mesh = examples.download_st_helens().warp_by_scalar()
# Add scalar array with range (0, 100) that correlates with elevation
mesh['values'] = pv.plotting.tools.normalize(mesh['Elevation']) * 100

独自のカラーマップを作成します．ここでは，5つの個別の色を持つカラーマップを作成し，それらの色の範囲を指定します:

# Define the colors we want to use
blue = np.array([12 / 256, 238 / 256, 246 / 256, 1.0])
black = np.array([11 / 256, 11 / 256, 11 / 256, 1.0])
grey = np.array([189 / 256, 189 / 256, 189 / 256, 1.0])
yellow = np.array([255 / 256, 247 / 256, 0 / 256, 1.0])
red = np.array([1.0, 0.0, 0.0, 1.0])

mapping = np.linspace(mesh['values'].min(), mesh['values'].max(), 256)
newcolors = np.empty((256, 4))
newcolors[mapping >= 80] = red
newcolors[mapping < 80] = grey
newcolors[mapping < 55] = yellow
newcolors[mapping < 30] = blue
newcolors[mapping < 1] = black

# Make the colormap from the listed colors
my_colormap = ListedColormap(newcolors)

単にカラーマップを描画ルーチンに渡すだけです．

mesh.plot(scalars='values', cmap=my_colormap)

あるいは，簡単なカラーマップを作ることもできます...どんなMatplotlibカラーマップでもPyVistaに渡すことができます．

boring_cmap = plt.cm.get_cmap("viridis", 5)
mesh.plot(scalars='values', cmap=boring_cmap)

/home/runner/work/pyvista-docs-dev-ja/pyvista-docs-dev-ja/pyvista-doc-translations/pyvista/examples/02-plot/cmap.py:71: 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.
  boring_cmap = plt.cm.get_cmap("viridis", 5)

カラー文字列のリストをカラーマップに渡すこともできます．この方法では，カラーマップは5等分されます．

mesh.plot(scalars=mesh['values'], cmap=['black', 'blue', 'yellow', 'grey', 'red'])

値の分離を制御したい場合は，スカラー配列を作成し，それをカラーマップとともにプロッタに渡すことで制御できます．

scalars = np.empty(mesh.n_points)
scalars[mesh['values'] >= 80] = 4  # red
scalars[mesh['values'] < 80] = 3  # grey
scalars[mesh['values'] < 55] = 2  # yellow
scalars[mesh['values'] < 30] = 1  # blue
scalars[mesh['values'] < 1] = 0  # black

mesh.plot(scalars=scalars, cmap=['black', 'blue', 'yellow', 'grey', 'red'])

Matplotlib対Colorcet

Colorcetの知覚的に一様な "fire" カラーマップとMatplotlibの "hot" カラーマップを first page of Colorcet's docs の例のように比較してみましょう．

"hot" バージョンは，画像が露出オーバーであるかのようにハイエンドのディテールを洗い流しますが， "fire" バージョンは，データ範囲を通してディテールを可視化します．

"fire" を含むColorcetのカラーマップを使用するには，Python環境にColorcetをインストールしておく必要があることに注意してください: pip install colorcet

p = pv.Plotter(shape=(2, 2), border=False)
p.subplot(0, 0)
p.add_mesh(
    mesh,
    scalars='Elevation',
    cmap="fire",
    lighting=True,
    scalar_bar_args={'title': "Colorcet Fire"},
)

p.subplot(0, 1)
p.add_mesh(
    mesh,
    scalars='Elevation',
    cmap="fire",
    lighting=False,
    scalar_bar_args={'title': "Colorcet Fire (No Lighting)"},
)

p.subplot(1, 0)
p.add_mesh(
    mesh,
    scalars='Elevation',
    cmap="hot",
    lighting=True,
    scalar_bar_args={'title': "Matplotlib Hot"},
)

p.subplot(1, 1)
p.add_mesh(
    mesh,
    scalars='Elevation',
    cmap="hot",
    lighting=False,
    scalar_bar_args={'title': "Matplotlib Hot (No Lighting)"},
)

p.show()