Hacktoberfest 2026: as issues que os mantenedores marcaram para outubro, abertas e boas para iniciantes. Ver issues do Hacktoberfest

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

Aberta
  • Algo errado?
#172 2 comentários 0 reações 0 responsáveis Ver no GitHub

Ninguém assumiu esta issue ainda.

Avaliação

Dificuldade
3/5
Tempo estimado
1-2 dias
Facilidade para iniciantes
35/100
Tipo de issue
Bug
Clareza
Razoavelmente clara
Status de atividade
Estagnada
Stack de tecnologia
jupyter-notebook, python
Domínio
data-visualization

Direção de pesquisa

Comece pelo notebook vinculado Mapping/colormap_tests.ipynb e compare as paletas de linear.RdYlBu_10.to_step(index=bins) e StepColormap(colors=color_range, index=bins). Analise como to_step() e StepColormap() lidam com bins personalizados e, em seguida, verifique se ambos produzem as mesmas cores para os bins fornecidos, preservando seus intervalos.

Escrita pelo modelo de indexação a partir do texto da issue.

Descrição

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

Linguagem predominante
Python
Estrelas
134
Forks
69
Merge médio
23min
PRs com merge (30d)
2

Preparar o ambiente

Este projeto não oferece contêiner de desenvolvimento, Dockerfile nem guia de contribuição, então a configuração fica por sua conta: comece pelo README e veja nosso guia da primeira contribuição para os passos gerais.

Primeiros passos

  1. Leia a issue inteira e depois o guia de contribuição do projeto.
  2. Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
  3. Faça um fork do repositório e trabalhe em uma branch.
  4. Abra um pull request que referencie o número da issue.

Mais de python-visualization/branca

Todas as issues de python-visualization/branca

Issues semelhantes

Mais issues de Python

Receba novas issues na sua caixa de entrada

Um resumo curto de issues do GitHub para quem está começando.