Hacktoberfest 2026: die Issues, die Maintainer für den Oktober markiert haben – offen und einsteigerfreundlich. Hacktoberfest-Issues durchsuchen

Different sets of colors with to_step() versus StepColormap() when using a list of custom bins

Offen
  • Stimmt etwas nicht?
#172 2 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Anfängerfreundlichkeit
35/100
Issue-Typ
Bug
Klarheit
Größtenteils klar
Aktivitätsstatus
Veraltet
Tech-Stack
jupyter-notebook, python
Bereich
data-visualization

Rechercherichtung

Beginnen Sie mit dem verlinkten Mapping/colormap_tests.ipynb-Notebook und vergleichen Sie die Paletten aus linear.RdYlBu_10.to_step(index=bins) und StepColormap(colors=color_range, index=bins). Verfolgen Sie, wie benutzerdefinierte Bins von to_step() und StepColormap() behandelt werden, und überprüfen Sie anschließend, dass beide für die angegebenen Bins dieselben Farben erzeugen und dabei deren Bereiche beibehalten.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

Describe the bug
A clear and concise description of what the bug is.

To Reproduce

I'm finding that, when using a set of custom bins within a colormap, the color palette generated with to_step() differs from that created via StepColormap(), even though both of these methods produce the same palette when custom bins are not requested.

Code that demonstrates this discrepancy can be found within this notebook.

Expected behavior

I would expect that the color palettes generated via the following code would be the same: (I recognize that the range represented by each color will change due to the use of custom bins, but I was expecting the actual colors to remain unmodified).

Method 1:
linear_to_step = linear.RdYlBu_10.to_step(n = 10)

Output:

image

Method 2:

bins = [-26.57727350868145,
 -2.8124548451811697,
 -1.3842847014410304,
 -0.57942086570913,
 0.10509734758955473,
 0.803350933220706,
 1.5648502030833924,
 2.497913057064161,
 3.8660584451404807,
 5.966706571952004,
 25.59683979436641]

custom_bins_to_step = linear.RdYlBu_10.to_step(index = bins)
Output:
image

Note that, when the second method is used, the interior colors within the color palette get much lighter, though the first and last colors are the same. (See the notebook I linked to earlier for a list of the colors.)

Meanwhile, the following methods that use StepColormap produce the same palettes:

Method 1:
color_range = color_brewer('RdYlBu', n = 10)
linear_stepcolormap = StepColormap(colors = color_range)
Output:

image

Method 2 (using previously defined color_range and bins values):

custom_bins_stepcolormap = StepColormap(
    colors = color_range, 
    vmin = bins[0], vmax = bins[-1],
    index = bins)

Output:
image

I'm not sure whether this is a bug or if I'm misunderstanding how the to_step() method works, but either way, your help in getting to_step() to produce the same color palette with custom bins that it does without custom bins would be greatly appreciated. I would also be happy to test out any potential fixes/solutions.

Environment:

  • Browser [e.g. chrome, firefox]: Running this code via JupyterLab Desktop and Visual Studio Code. Currently writing this on Chrome
  • Jupyter Notebook or html files? Jupyter Notebook
  • Python version: 3.12.3
  • folium version: 0.16.0
  • branca version: 0.7.2

Additional context

When custom_bins_to_step and custom_bins_stepcolormap are fed into the same custom choropleth mapping function, they produce very different results:

Map created with custom_bins_stepcolormap:

image

The colors in the above map match those I'm seeing from a folium.Choropleth() call.

Map created with custom_bins_to_step):

image

Vorherrschende Sprache
Python
Sterne
134
Forks
69
Ø Merge
1 Std. 10 Min.
Gemergte PRs (30 T.)
1

Entwicklungsumgebung

Die Einrichtungsdateien dieses Projekts haben wir noch nicht geprüft. Beginnen Sie mit der README; die allgemeinen Schritte stehen in unserem Leitfaden für den ersten Beitrag.

Erste Schritte

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus python-visualization/branca

Alle Issues in python-visualization/branca

Ähnliche Issues

Weitere Issues zu Python

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.