如何在MATLAB散点图中设置颜色映射？

Question

如何在MATLAB散点图中根据数据值设置颜色映射？常见问题是在使用`scatter(x, y, [], c)`时，颜色向量c未正确归一化或未关联颜色映射表（colormap），导致颜色显示异常或无法反映数据变化趋势。此外，用户常忽略`colorbar`的添加，难以直观解读颜色对应数值。如何正确配置colormap并确保颜色准确映射到数据值？

Answer 1

一、MATLAB散点图颜色映射基础概念与常见误区

在使用 MATLAB 绘制散点图时，scatter(x, y, [], c) 是实现数据值驱动颜色显示的核心函数。其中，参数 c 表示与每个点关联的颜色数据，通常为一个与 x 和 y 长度相同的向量。

常见问题包括：

• 颜色未归一化：当 c 的数值范围过大或过小，超出当前 colormap 的有效映射区间时，颜色可能呈现单一色调或跳变剧烈。
• colormap 未正确配置：用户常忘记设置合适的颜色映射表（如 jet、parula、hot 等），导致视觉表达不直观。
• 缺少 colorbar：未添加 colorbar 使得观察者无法将颜色与实际数据值对应，削弱了图表的信息传达能力。

例如，以下代码展示了最基本的用法：

x = randn(100, 1);
y = randn(100, 1);
c = x.^2 + y.^2; % 假设颜色表示点的能量密度
scatter(x, y, [], c);

此时 MATLAB 会自动将 c 的最小值映射到 colormap 的起始色，最大值映射到末尾色。

二、深入解析颜色映射机制与数据归一化处理

要确保颜色准确反映数据趋势，必须理解 MATLAB 如何通过 CLim（color limits）控制数据到颜色的映射关系。图形对象的 CLim 属性定义了数据值到 colormap 索引的线性映射区间。

可通过以下方式查看和设置：

ax = gca;
disp(ax.CLim); % 显示当前颜色限值
ax.CLim = [min(c), max(c)]; % 手动设定，通常无需更改

若希望手动归一化 c 向量至 [0,1] 区间，可使用：

c_normalized = (c - min(c)) / (max(c) - min(c));
scatter(x, y, [], c_normalized);
colormap(parula); % 设置现代默认 colormap
colorbar; % 添加颜色条

注意：即使不显式归一化，只要 c 能被正确解释为连续变量，MATLAB 仍能自动处理映射。关键在于保持 c 与 colormap 的动态一致性。

三、高级配置：自定义 colormap 与非线性映射策略

对于具有偏态分布的数据（如指数增长或对数分布），线性映射可能导致大部分点聚集在同一颜色区域。此时应考虑非线性变换或自定义 colormap。

支持的常用 colormap 类型包括：

Colormap 名称	适用场景	调用方式
parula	通用科学可视化	colormap(parula)
jet	传统热图（已不推荐）	colormap(jet)
hot	高温/能量集中	colormap(hot)
cool	低温/冷色调对比	colormap(cool)
viridis	色盲友好、高对比度	colormap(viridis)
rainbow	多类别区分（慎用）	colormap(rainbow)
gray	灰度输出	colormap(gray)
custom	特定需求（如阈值强调）	colormap(myMap)

四、完整流程图与最佳实践建议

以下是实现颜色准确映射的标准流程：

graph TD A[准备数据 x, y, c] --> B{c 是否反映目标物理量？} B -->|是| C[检查 c 的分布特性] B -->|否| D[转换或计算新 c 值] C --> E[选择合适 colormap] D --> E E --> F[绘制 scatter(x,y,[],c)] F --> G[添加 colorbar] G --> H[调整 CLim 或归一化 c] H --> I[优化标注与可读性] I --> J[输出高质量图像]

最佳实践包括：

1. 始终添加 colorbar 以增强可解释性。
2. 避免使用 jet colormap，因其感知非线性且不利于色盲用户。
3. 对极端值使用对数变换：c_log = log(c + eps)。
4. 利用 caxis([vmin vmax]) 锁定颜色范围，便于多图比较。
5. 保存图形时使用矢量格式（如 .eps 或 .pdf）保留 colormap 渲染质量。
6. 在 GUI 或 App 设计中，提供 colormap 切换控件提升交互性。
7. 结合透明度（Alpha）通道进一步编码第四维信息。
8. 使用 scatter(___, 'filled') 提高小点的可见性。
9. 对分类数据，改用离散 colormap 并配合 legend 使用。
10. 调试时可用 imagesc(reshape(c, n, m)) 检查数据空间模式。