Matplotlib系列(二)：设置、样式及颜色风格

hustlei

已于 2022-01-24 15:09:16 修改

阅读量3.1k

点赞数 7

分类专栏： Python科学计算和数据分析文章标签： python rcParams 样式 colormap matplotlib

于 2022-01-11 23:06:37 首次发布

本文链接：https://blog.csdn.net/hustlei/article/details/122443707

版权

Python科学计算和数据分析专栏收录该内容

35 篇文章 87 订阅

订阅专栏

Matplotlib系列目录

文章目录

简介
思维导图
Matplotlib样式设置及注释文本

简介

Matplotlib提供了非常强大的自定义配置接口和文本标注功能。

Matplotlib提供了三种方式自定义配置。

统一的设置样式和属性的接口rcParams。可以在运行时修改设置，改变显示效果。
预定义好的rcParams可以保存为style样式，可以随时切换不同的样式。
保存rcParams的matplotlibrc配置文件，可以设置项目或全局配置。

同时Matplotlib提供了很多预定义的不同风格的颜色ColorMap。可以方便的切换不同风格的预定义颜色。

思维导图

在这里插入图片描述

Matplotlib样式设置及注释文本

1. rcParams配置

1.1 配置字典rcParams和配置文件

matplotlib有一个专门的配置图形样式的数据字典rcParams(rcParams是一个可以验证数据类型的字典)。
rcParams中配置了几乎所有可视化图形属性。（图形属性包括包括窗体大小、每英寸的点数、线条宽度、颜色、样式、坐标轴、坐标和网络属性、文本、字体等），称为rc（runtime configuration）参数或者rc配置。

1.2 获取配置

获取当前配置

mpl.rcParams： #获取当前配置字典。注意P是大写
plt.rcParams： #获取当前配置字典。注意P是大写

mpl指matplotlib模块。plt指matplotlib.pyplot模块。

**获取默认配置

mpl.rcParamsDefault： #获取默认配置字典
plt.rcParamsDefault： #获取默认配置字典
mpl.rc_params()： #获取默认配置字典

注意修改当前配置不影响默认配置。修改默认配置也不影响当前配置。
但是可以用默认配置恢复（覆盖）当前配置。

1.3 修改配置

直接修改当前配置字典
- plt.rcParams['figure.figsize']=(6,4)
- plt.rcParams['lines.linewidth']=2
rc函数修改
- plt.rc('lines',linewidth=4, color='g')
恢复默认参数
- plt.rcdefaults()：把rcParams恢复到Matplotlib内部默认值
- mpl.rc_file_defaults()：把rcParams恢复到Matplotlib最初从配置文件加载的值
从rc文件加载更新
- mpl.rc_file('rcfile')

上述方法修改配置，只影响当前程序。

使用with关键字，可以仅对部分语句修改配置：

with plt.rc_context({'lines.linewidth': 2, 'lines.linestyle': ':'}):
    plt.plot(x,y)

mpl.rcParams与plt.rcParams相同
mpl.rc()与plt.rc()相同
mpl.rcdefaults()与plt.rcdefaults()相同
mpl.rc_context()与plt.rc_context()相同
plt无rc_file_defaults()和rc_file()函数

1.4 配置文件

matplotlib配置信息是从配置文件中读取的。如果不希望在每次代码开始时进行参数配置，可以设置全局或者项目中的配置文件。配置文件有三个位置：

系统级配置文件
- 通常在python的Lib\site-packages\matplotlib\mpl-data文件夹下，文件名称是matplotlibrc。
- 每次重装matplotlib之后该配置文件就会被覆盖。
用户级配置文件
- 通常在$HOME.matplotlib目录下。可以用matplotlib.get_configdir()函数来查找当前用户的配置文件目录。
- 可以通过MATPLOTLIBRC变量修改它的位置。
项目级配置文件
- 当前工作目录，即项目的目录下，可以为目录所包含的当前项目给出配置文件，文件名为matplotlibrc。

每次启动时会自动加载配置文件，优先级顺序是：当前工作目录 > 用户级配置文件 > 系统级配置文件。

查看当前加载使用的配置文件的路径的方式：用mpl.matplotlib_fname()函数，通常在大家未设置项目级和用户级配置文件时，显示系统及配置文件位置。

配置包含关键词值对，文件格式如下：

lines.color       : C0         ## has no affect on plot(); see axes.prop_cycle
lines.marker    : None    ## the default marker

1.5 常用配置选项

font：字体设置
- plt.rcParams['font.sans-serif']='SimHei'：设置字体，可以用列表设置多个字体
- plt.rcParams['font.size']=12
figure：外框画布
- plt.rcParams['figure.figsize']：画布大小
- plt.rcParams['figure.dpi']：画布分辨率
- plt.rcParams['figure.h_pad']:设置子图高度方向边距
- plt.rcParams['figure.w_pad']:设置子图宽度方向边距
- plt.rcParams['figure.facecolor']:设置颜色
axes：内框画布
- plt.rcParams['axes.unicode_minus']=False：设置字符
- plt.rcParams['axes.titlesize']：图形的标题大小
- plt.rcParams['axes.labelsize'] ：图形的x,y轴标签大小
- plt.rcParams['axes.prop_cycle']：可以通过C0,C1,C2,…CN方式循环访问的颜色列表。
lines：线条设置
- plt.rcParams['lines.color'] = 'blue'：设置线条颜色
- plt.rcParams['lines.linestyle'] = '-'：设置线条样式
- plt.rcParams['lines.linewidth'] = 3：设置线条宽度
- plt.rcParams['lines.marker'] = None：设置点样式
- plt.rcParams['lines.markersize'] = 6：设置点大小
- plt.rcParams['lines.markerfacewidth'] = '#aaa'：设置点填充颜色
- plt.rcParams['lines.markeredgewidth'] = 0.5：设置点边缘线宽
grid：网格设置
- plt.rcParams['grid.color'] = 'gray'：设置网格颜色
- plt.rcParams['grid.alpha'] = 0.8：设置网格颜色
- plt.rcParams['grid.linestyle'] = ':'：设置网格线型
- plt.rcParams['grid.linewidth'] = 0.5：设置网格线宽
xtick, ytick：x,y轴刻度及文本设置
- plt.rcParams['xtick.labelsize']：x轴刻度字体大小
- plt.rcParams['ytick.labelsize']：y轴刻度字体大小
- plt.rcParams['xtick.major.size']：x轴最大刻度
- plt.rcParams['ytick.major.size']：y轴最大刻度
legend：图例设置
- plt.rcParams['legend.fontsize']='large'：设置图例字体大小
text
patch：填充2D空间的图形图像，如多边形和圆。控制线宽、颜色和抗锯齿设置等
image：图片设置
animation：动画设置

实际上和各个对象的数据及绘图函数的参数是对应的。

中文字体配置

plt.rcParams['font.sans-serif'] = ['SimHei']  #指定默认字体
plt.rcParams['axes.unicode_minus']=False      #解决保存图像是负号'-'显示为方块的问题

windows下默认支持字体：

黑体：“SimHei”
宋体：“SimSun”
仿宋：“FangSong”
楷体：“KaiTi”
微软雅黑：“Microsoft YaHei”

2. 样式表StyleSheet

样式表StyleSheet类似与rcParams，但是只包含与具体绘图外观相关的参数。

也就是说相比rcParams，有少量参数样式表不支持。
不支持的参数有backend,backend_fallback,datapath,date.epoch,docstring.hardcopy,figure.max_open_warning,figure.raise_window,interactive,savefig.directory,timezone,tk.window_focus,toolbar,webagg.address,webagg.open_in_browser,webagg.port,webagg.port_retries。所以，日常我们常用的rcParams参数，style中都支持。

2.1 使用样式的方法

Matplotlib提供了很多预定义的样式表。可以非常方便的切换应用。切换方法如下：

plt.style.use('ggplot')

在某个语句块内使用样式方法如下：

with plt.style.context('ggplot'):
    plt.plot(x,y)

组合使用多个样式

我们可以用一个样式表定义颜色，另一个样式表定义元素的尺寸。通过传入样式表列表，将表组合在一起。

plt.style.use(['ggplot','grayscale'])

需要注意的是，多个表中有相同的参数时右边的会覆盖左边的。

2.2 预定义样式

实际上，每个样式表都保存在一个样式表文件中，每一个预设的style都是一个style文件，它是以.mplstyle 为后缀的文件。预设的样式表文件都在Lib\site-packages\matplotlib\mpl-data\stylelib文件夹下。

plt.style.available可以列出所有可用的样式。

常用的预设样式有：

classic：默认风格
grayscale：灰度
ggplot
seaborn
fivethirtyeight
Solarize_Light2

2.3 自定义样式

样式表文件和rcParams配置文件格式相同。
我在可以在样式表文件夹下自定义一个myownstyle.mplstyle文件，里面的内容如下所示：

lines.color: green
lines.linewidth:8
text.color: white
axes.facecolor: yellow
axes.edgecolor:black

然后用plt.style.use('myownstyle')使用样式。

3. ColorMap颜色风格

Matplotlib预定义了很多不同风格的ColorMap，可以为不同风格的图形提供一系列颜色，类似调色板。
ColorMap实际上就是一系列渐变的颜色。可以用渐变的颜色显示数据规律，比如密度大小，不同高度等；也可以用渐变的颜色显示一系列图形，用于区分。

Matplotlib支持多种颜色表达方式，如：

基本颜色简写：‘r’,‘g’,‘c’,'k’等等
颜色名称：‘gray’,‘pink’,'lightblue’等等
灰度数字：‘0.5’,'0.3’等等
循环引用颜色：‘C0’, ‘C1’, 'C100’等
十六进制颜色字符串:’#RGB’, ‘#RRGGBB’, '#RRGGBBAA’三种形式
RGB元组：(0.5,0.3,0.2), (0.2,0.3,0.5,0.5)等
ColorMap

颜色表达方法详见Matplotlib系列(一)

3.1 ColorMap用法

通常我们不直接从colormap中提取某个颜色。而是用较小的值表示colormap开始的颜色，用较大的值表示colormap最后的颜色，用数据插值表示不同的颜色。

colormap的典型用法：

x=np.arange(5)
y=x**2
plt.scatter(x,y,c=[0.7,0.3,0.1,0.5,0.8],cmap='Blues')
#参数c即color，表示每个点的颜色映射值。注意c的长度要和点数相同
#参数cmap设置应用的colormap。用cmap=plt.cm.Blues也是ok的。

数据映射ColorMap颜色详解

‎默认情况下使用浮点数线性映射色彩映射表中的颜色。例如：

plt.scatter(x,y,c=color,cmap='Blues',vmin=1,vmax=10)
#用1到10的数据映射ColorMap。

Matplotlib根据数据映射颜色，需要两个步骤：

把color浮点数列表，从[1,10]转换（规范化）到[0,1]
然后根据数值插值获取颜色。

这个过程称为规范化（Normalization)。在未指定vmin和vmax的时候，取最小值作为vmin，最大值作为vmax。

通常采用线性插值方法获取颜色，但是matplotlib还支持对数等插值方法。详见文档。

3.2 从ColorMap获取颜色列表

有时候我们需要颜色列表赋值给函数参数，用get_cmap根据名称获取colormap实例，可以很方法的获取颜色列表。

并不是所有函数的颜色参数都能支持赋值为浮点数映射colormap的。

很多函数不支持cmap参数，颜色参数只能用颜色值，不能用浮点数或浮点数列表作为参数值
部分绘图(主要是生成的图形为collection的函数，比如voxels函数)虽然支持cmap参数，但是颜色一样不能用浮点数映射。

c=plt.get_cmap(‘RdBu’)：获取colormap实例
c(0.5)：获取对应的颜色，得到的是一个(r,g,b,a)元祖
c([0.1,0.2,0.3])：获取一组颜色
- 参数可以是整数、可以是浮点数。并且都可以是列表
- 对于浮点数，数值应为[0,1]。大于1取1，小于0取0
- 对于整数，数值应为[0, Colormap.N)。通常N为256。
c=plt.get_cmap('OrRd‘,300)：获取colormap实例，并且通过重新采样设置Colormap.N=300。

ColorMap类实现了__call__函数，colormap的实例可以当做函数调用。

colormap还可以用名称来调用。比如plt.cm.RdBu

> colors=plt.get_cmap('OrRd')([0.1,0.5,0.8])  #从名为'OrRd'的ColorMap获取三个颜色
>>> colors
array([[0.99692426, 0.92249135, 0.81476355, 1.        ],
       [0.9874356 , 0.55048058, 0.34797386, 1.        ],
       [0.78666667, 0.11294118, 0.07294118, 1.        ]])

3.3 内置ColorMap简介

matplotlib内置了很多colormap。按照类别列举如下：

+ Perceptually Uniform Sequential系列（亮度变化，饱和度增量）
    - 'viridis'
    - 'plasma', 'inferno', 'magma'
    - 'cividis'
+ Sequential系列（亮度变化，单一颜色）
    - 'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds'
    - 'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd'
    - 'RdPu', 'BuPu', 'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn'
+ Sequential (2)系列（亮度变化，单一颜色）
    - 'binary', 'gist_yarg', 'gist_gray', 'gray'
    - 'bone'
    - 'pink',
    - 'spring', 'summer', 'autumn', 'winter'
    - 'cool', 'Wistia', 'hot', 'afmhot', 'gist_heat', 'copper'
+ Diverging系列（亮度变化，两种颜色饱和度变化）
    - 'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu', 'RdYlBu', 'RdYlGn'
    - 'Spectral', 'coolwarm', 'bwr', 'seismic'
+ Cyclic系列（两种不同颜色亮度变化，饱和度循环，首尾颜色相同）
    - 'twilight', 'twilight_shifted'
    - 'hsv'
+ Qualitative系列（离散颜色，没有顺序关系）
    - 'Pastel1', 'Pastel2'
    - 'Paired'
    - 'Accent', 'Dark2'
    - 'Set1', 'Set2', 'Set3'
    - 'tab10', 'tab20', 'tab20b', 'tab20c'
+ Miscellaneous系列（特定用途，如海洋地形等）
    - 'flag', 'prism'
    - 'ocean'
    - 'gist_earth'
    - 'terrain'
    - 'gist_stern',
    - 'gnuplot', 'gnuplot2'
    - 'CMRmap'
    - 'cubehelix'
    - 'brg',
    - 'gist_rainbow'
    - 'rainbow'
    - 'jet'
    - 'turbo'
    - 'nipy_spectral',
    - 'gist_ncar'

在函数中使用Colomap的方式为cmap='Summer'。在Colormap后边加上_r，得到一个颜色顺序逆向排列的Colormap。比如cmap='Summer_r'

预设Colormap的颜色效果见：

参考资料

官方样式和配置帮助文档：https://matplotlib.org/stable/tutorials/introductory/customizing.html
官方颜色文档：https://matplotlib.org/stable/tutorials/colors/colors.html
官方ColorMap文档：https://matplotlib.org/stable/gallery/color/colormap_reference.html
官方ColorMap用法详细文档：https://matplotlib.org/stable/tutorials/colors/colormapnorms.html

Matplotlib系列目录

个人总结，部分内容进行了简单的处理和归纳，如有谬误，希望大家指出，持续修订更新中。

修订历史版本见：https://github.com/hustlei/AI_Learning_MindMap

未经允许请勿转载。

hustlei

关注

7
点赞
踩
32

收藏

觉得还不错? 一键收藏
打赏
0
评论
Matplotlib系列(二)：设置、样式及颜色风格

文章目录简介思维导图Matplotlib样式设置及注释文本1. rcParams配置1.1 配置字典rcParams和配置文件1.2 获取配置1.3 修改配置1.4 配置文件1.5 常用配置选项2. 样式表StyleSheet2.1 使用样式的方法2.2 预定义样式2.3 自定义样式3. ColorMap颜色风格3.1 ColorMap用法3.2 内置ColorMap简介参考资料简介Matplotlib提供了非常强大的自定义配置接口和文本标注功能。Matplotlib提供了三种方式自定义配置。统一
复制链接

扫一扫