本文介绍了Matplotlib的绘图样式和色彩设置，包括预定义样式、自定义样式和rcparams的使用，以及RGB、HEX、灰度色阶等多种颜色表示方法和colormap的运用。通过这些方法，可以提升数据可视化的美观性和信息传达效果。
Matplotlib从入门到精通05-样式色彩秀芳华
https://matplotlib.org/stable/index.html
http://c.biancheng.net/matplotlib/data-visual.html
总结
本文主要是Matplotlib从入门到精通系列第5篇，本文介绍了Matplotlib的绘图样式和色彩设置，同时介绍了较好的参考文档置于博客前面，读者可以重点查看参考链接。本系列的目的是可以完整的完成Matplotlib从入门到精通。重点参考连接
Matplotlib从入门到精通05-样式色彩秀芳华
第五回详细介绍matplotlib中样式和颜色的使用，绘图样式和颜色是丰富可视化图表的重要手段，因此熟练掌握本章可以让可视化图表变得更美观，突出重点和凸显艺术性。
关于绘图样式，常见的有3种方法，分别是
修改预定义样式，自定义样式和rcparams。
关于颜色使用，本章介绍了
常见的5种表示单色颜色的基本方法，以及colormap多色显示的方法。
导入依赖
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
一、matplotlib的绘图样式（style）¶
在matplotlib中，要想设置绘制样式，最简单的方法是在绘制元素时单独设置样式。 但是有时候，当用户在做专题报告时，往往会希望保持整体风格的统一而不用对每张图一张张修改，因此matplotlib库还提供了四种批量修改全局样式的方式
1.matplotlib预先定义样式¶
matplotlib贴心地提供了许多内置的样式供用户使用，使用方法很简单，只需在python脚本的最开始输入想使用style的名称即可调用，尝试调用不同内置样式，比较区别
print(plt.style.available)
plt.style.use('default')
plt.plot([1,2,3,4],[2,3,4,5]);
plt.show()
[‘Solarize_Light2’, ‘_classic_test_patch’, ‘_mpl-gallery’, ‘_mpl-gallery-nogrid’, ‘bmh’, ‘classic’, ‘dark_background’, ‘fast’, ‘fivethirtyeight’, ‘ggplot’, ‘grayscale’, ‘seaborn-v0_8’, ‘seaborn-v0_8-bright’, ‘seaborn-v0_8-colorblind’, ‘seaborn-v0_8-dark’, ‘seaborn-v0_8-dark-palette’, ‘seaborn-v0_8-darkgrid’, ‘seaborn-v0_8-deep’, ‘seaborn-v0_8-muted’, ‘seaborn-v0_8-notebook’, ‘seaborn-v0_8-paper’, ‘seaborn-v0_8-pastel’, ‘seaborn-v0_8-poster’, ‘seaborn-v0_8-talk’, ‘seaborn-v0_8-ticks’, ‘seaborn-v0_8-white’, ‘seaborn-v0_8-whitegrid’, ‘tableau-colorblind10’]
plt.style.use('ggplot')
plt.plot([1,2,3,4],[2,3,4,5]);
plt.show()
2.用户自定义stylesheet¶
在任意路径下创建一个后缀名为mplstyle的样式清单，编辑文件添加以下样式内容
axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 5
lines.markersize : 10
xtick.labelsize : 10
ytick.labelsize : 20
引用自定义stylesheet后观察图表变化。
plt.style.use('a.mplstyle')
plt.plot([1,2,3,4],[2,3,4,5])
plt.show()
值得特别注意的是，matplotlib支持混合样式的引用，只需在引用时输入一个样式列表，若是几个样式中涉及到同一个参数，右边的样式表会覆盖左边的值。
plt.style.use(['dark_background', 'a.mplstyle'])
plt.plot([1,2,3,4],[2,3,4,5]);
plt.show()
3.设置rcparams¶
我们还可以通过修改默认rc设置的方式改变样式，所有rc设置都保存在一个叫做 matplotlib.rcParams的变量中。
修改过后再绘图，可以看到绘图样式发生了变化。
plt.style.use('default') # 恢复到默认样式
mpl.rcParams['lines.linewidth'] = 2
mpl.rcParams['lines.linestyle'] = '--'
# mpl.rc('lines', linewidth=2, linestyle='-.') # 一次修改多个，与上面等价
plt.plot([1,2,3,4],[2,3,4,5])
plt.show()
二、matplotlib的色彩设置（color）¶
在可视化中，如何选择合适的颜色和搭配组合也是需要仔细考虑的，色彩选择要能够反映出可视化图像的主旨。
从可视化编码的角度对颜色进行分析，可以将颜色分为色相、亮度和饱和度三个视觉通道。通常来说：
色相： 没有明显的顺序性、一般不用来表达数据量的高低，而是用来表达数据列的类别。
明度和饱和度： 在视觉上很容易区分出优先级的高低、被用作表达顺序或者表达数据量视觉通道。
具体关于色彩理论部分的知识，不属于本教程的重点，请参阅有关拓展材料学习。
学会这6个可视化配色基本技巧，还原数据本身的意义
在matplotlib中，设置颜色有以下几种方式：
1.RGB或RGBA¶
plt.style.use('default')
# 颜色用[0,1]之间的浮点数表示，四个分量按顺序分别为(red, green, blue, alpha)，其中alpha透明度可省略
plt.plot([1,2,3],[4,5,6],color=(0.1, 0.2, 0.5))
plt.plot([4,5,6],[1,2,3],color=(0.1, 0.2, 0.5, 0.5))
plt.show()
2.HEX RGB 或 RGBA
# 用十六进制颜色码表示，同样最后两位表示透明度，可省略
plt.plot([1,2,3],[4,5,6],color='#0f0f0f')
plt.plot([4,5,6],[1,2,3],color='#0f0f0f80');
plt.show()
RGB颜色和HEX颜色之间是可以一一对应的，以下网址提供了两种色彩表示方法的转换工具。
参考：
https://www.fontke.com/tool/rgb/0f0f0f/
https://www.colorhexa.com/
3.灰度色阶¶
# 当只有一个位于[0,1]的值时，表示灰度色阶
plt.plot([1,2,3],[4,5,6],color='0.5');
plt.show()
4.单字符基本颜色
matplotlib有八个基本颜色，可以用单字符串来表示，分别是’b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, ‘w’，对应的是blue, green, red, cyan, magenta, yellow, black, and white的英文缩写
5.颜色名称
matplotlib提供了颜色对照表，可供查询颜色对应的名称
6.使用colormap设置一组颜色¶
有些图表支持使用colormap的方式配置一组颜色，从而在可视化中通过色彩的变化表达更多信息。
在matplotlib中，colormap共有五种类型:
顺序（Sequential）。通常使用单一色调，逐渐改变亮度和颜色渐渐增加，用于表示有顺序的信息
plot_color_gradients(‘Perceptually Uniform Sequential’,
[‘viridis’, ‘plasma’, ‘inferno’, ‘magma’, ‘cividis’])
plot_color_gradients(‘Sequential’,
[‘Greys’, ‘Purples’, ‘Blues’, ‘Greens’, ‘Oranges’, ‘Reds’,
‘YlOrBr’, ‘YlOrRd’, ‘OrRd’, ‘PuRd’, ‘RdPu’, ‘BuPu’,
‘GnBu’, ‘PuBu’, ‘YlGnBu’, ‘PuBuGn’, ‘BuGn’, ‘YlGn’])
plot_color_gradients(‘Sequential (2)’,
[‘binary’, ‘gist_yarg’, ‘gist_gray’, ‘gray’, ‘bone’,
‘pink’, ‘spring’, ‘summer’, ‘autumn’, ‘winter’, ‘cool’,
‘Wistia’, ‘hot’, ‘afmhot’, ‘gist_heat’, ‘copper’])
发散（Diverging）。改变两种不同颜色的亮度和饱和度，这些颜色在中间以不饱和的颜色相遇;当绘制的信息具有关键中间值（例如地形）或数据偏离零时，应使用此值。
plot_color_gradients(‘Diverging’,
[‘PiYG’, ‘PRGn’, ‘BrBG’, ‘PuOr’, ‘RdGy’, ‘RdBu’, ‘RdYlBu’,
‘RdYlGn’, ‘Spectral’, ‘coolwarm’, ‘bwr’, ‘seismic’])
循环（Cyclic）。改变两种不同颜色的亮度，在中间和开始/结束时以不饱和的颜色相遇。用于在端点处环绕的值，例如相角，风向或一天中的时间。
plot_color_gradients(‘Cyclic’, [‘twilight’, ‘twilight_shifted’, ‘hsv’])
定性（Qualitative）。常是杂色，用来表示没有排序或关系的信息。
plot_color_gradients(‘Qualitative’,
[‘Pastel1’, ‘Pastel2’, ‘Paired’, ‘Accent’, ‘Dark2’,
‘Set1’, ‘Set2’, ‘Set3’, ‘tab10’, ‘tab20’, ‘tab20b’,
‘tab20c’])
杂色（Miscellaneous）。一些在特定场景使用的杂色组合，如彩虹，海洋，地形等。
plot_color_gradients(‘Miscellaneous’,
[‘flag’, ‘prism’, ‘ocean’, ‘gist_earth’, ‘terrain’,
‘gist_stern’, ‘gnuplot’, ‘gnuplot2’, ‘CMRmap’,
‘cubehelix’, ‘brg’, ‘gist_rainbow’, ‘rainbow’, ‘jet’,
‘turbo’, ‘nipy_spectral’, ‘gist_ncar’])
plt.show()
具体见：
https://matplotlib.org/stable/tutorials/colors/colormaps.html
完整代码：
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
# from colorspacious import cspace_converter
cmaps = {}
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))
def plot_color_gradients(category, cmap_list):
# Create figure and adjust figure height to number of colormaps
nrows = len(cmap_list)
figh = 0.35 + 0.15 + (nrows + (nrows - 1) * 0.1) * 0.22
fig, axs = plt.subplots(nrows=nrows + 1, figsize=(6.4, figh))
fig.subplots_adjust(top=1 - 0.35 / figh, bottom=0.15 / figh,
left=0.2, right=0.99)
axs[0].set_title(f'{category} colormaps', fontsize=14)
for ax, name in zip(axs, cmap_list):
ax.imshow(gradient, aspect='auto', cmap=mpl.colormaps[name])
ax.text(-0.01, 0.5, name, va='center', ha='right', fontsize=10,
transform=ax.transAxes)
# Turn off *all* ticks & spines, not just the ones with colormaps.
for ax in axs:
ax.set_axis_off()
# Save colormap list for later.
cmaps[category] = cmap_list
plot_color_gradients('Perceptually Uniform Sequential',
['viridis', 'plasma', 'inferno', 'magma', 'cividis'])
plt.show()
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
