ScottPlot中实现多热力图共享相同颜色条的技术方案
2025-06-06 03:36:04作者:鲍丁臣Ursa
问题背景
在数据可视化过程中,热力图(Heatmap)是一种常用的展示二维数据分布的有效方式。当我们需要同时展示多个热力图并进行对比分析时,保持各图颜色条(Colorbar)的一致性就显得尤为重要。不一致的颜色范围会导致视觉上的误导,使数据对比变得困难。
解决方案
ScottPlot库提供了灵活的热力图绘制功能,通过手动设置颜色范围可以实现多图颜色条的统一。具体实现步骤如下:
1. 计算全局数据范围
首先需要遍历所有待绘制的数据集,计算出它们的全局最小值和最大值:
// 假设有多个二维数组数据
double[,] data1 = ...;
double[,] data2 = ...;
double[,] data3 = ...;
// 计算全局最小最大值
double globalMin = Math.Min(FindMinValue(data1), Math.Min(FindMinValue(data2), FindMinValue(data3)));
double globalMax = Math.Max(FindMaxValue(data1), Math.Max(FindMaxValue(data2), FindMaxValue(data3)));
// 辅助函数:查找二维数组最小值
double FindMinValue(double[,] data)
{
double min = double.MaxValue;
foreach (var value in data)
{
if (value < min) min = value;
}
return min;
}
// 辅助函数:查找二维数组最大值
double FindMaxValue(double[,] data)
{
double max = double.MinValue;
foreach (var value in data)
{
if (value > max) max = value;
}
return max;
}
2. 创建热力图并设置统一范围
使用计算得到的全局范围创建各个热力图:
var plt1 = new ScottPlot.Plot(400, 300);
var hm1 = plt1.AddHeatmap(data1);
hm1.Update(data1, min: globalMin, max: globalMax);
plt1.AddColorbar(hm1);
var plt2 = new ScottPlot.Plot(400, 300);
var hm2 = plt2.AddHeatmap(data2);
hm2.Update(data2, min: globalMin, max: globalMax);
plt2.AddColorbar(hm2);
var plt3 = new ScottPlot.Plot(400, 300);
var hm3 = plt3.AddHeatmap(data3);
hm3.Update(data3, min: globalMin, max: globalMax);
plt3.AddColorbar(hm3);
3. 高级应用技巧
在实际应用中,还可以考虑以下优化:
-
异常值处理:当数据中存在极端异常值时,可以考虑使用百分位数(如5%和95%)代替最小最大值,避免颜色范围被少数异常点主导。
-
对数尺度:对于跨度较大的数据,可以设置颜色条为对数尺度:
hm1.ColorScaleMin = globalMin; hm1.ColorScaleMax = globalMax; hm1.ColorScaleType = ScottPlot.Drawing.ColormapScaleType.Log10; -
自定义色阶:ScottPlot支持自定义色阶,可以根据需要选择不同的颜色映射方案:
hm1.Colormap = ScottPlot.Drawing.Colormap.Turbo;
实现原理
ScottPlot的热力图绘制通过Heatmap类实现,其核心参数包括:
min:颜色映射的最小值max:颜色映射的最大值colormap:使用的颜色映射方案
当设置了相同的min和max值后,所有热力图将使用相同的颜色映射关系,确保数据值的可视化表示一致。
注意事项
-
当数据集差异较大时,统一颜色范围可能导致某些图中的细节信息丢失,此时需要考虑分组处理或使用其他可视化方式。
-
对于动态更新的热力图,需要确保在数据更新时同步更新颜色范围参数。
-
在交互式应用中,可以考虑添加颜色范围调整控件,让用户根据需要动态调整可视化效果。
通过以上方法,可以在ScottPlot中实现多热力图共享相同颜色条的功能,有效提升数据对比分析的准确性和可视化效果。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134