获取颜色rgb_巧用颜色搭配提升图表逼格

昨天和tommy一起看一个艺术视频，里面介绍到波普艺术，它是一种源于商业美术的艺术形式，其特点是将大众文化的一些细节，如漫画、印有商标的包装进行放大复制，大多数颜色比较鲜艳。

可见颜色搭配对于艺术创作非常重要，于是我联想到office里面的的预设的图表和颜色，那是公认的土和难看，于是许多咨询公司都会自己来选择颜色，形成自己风格的图表。

不同于艺术作品，Excel或者商业图表，颜色都没有那么夸张，颜色的选择要么比较商业，以红色、蓝色调为主，要么切合公司的主题颜色。

1.如何借鉴

学习图表比较好的方法就是和一些比较专业的财经杂志学习了，比如商业周刊、经济学人等都是非常经典的图表风格，可以去百度上搜。图表都比较简单，完全可以套用。

商业周刊：

      经济学人：

      此外还有一些国内的互联网媒体，比如网易数读也非常不错，但是很多图表是用软件做出来的，Excel无法承载，这里可以重点学习下配色。

      再或者一些好看的海报、图片、插画等，也可以学习里面的配色，但是可能需要一些艺术知识，比如一些相邻色、对比色的使用。

如何把这些颜色复用到你的图表里面呢？其实非常简单，只要两部。

1. 获取图表上的想要颜色的RGB值，可以用QQ截图，快捷键

Ctrl+Alt+A，光标下就有 rgb值。

   2. 在Excel内修改：选择 颜色-其他颜色，调出颜色对话框，然后选择上方的自定义选项卡，在下方的颜色模式选择RGB,填3个值，就可以了。

也有一些现成的比较好看的颜色值，比如这些。

通过配色的修改，立刻就可以让你的excel高大上了。

---

 2.进阶-用Python做图

       用Excel存在两个问题，一是需要一个个改RGB值，比较麻烦，二是颜色过多的时候容易看不清，这个时候，就可以请Python闪亮登场啦！

      首先，python里面预设的颜色就比较好看，其实他有很多整体的配色方案，即cmap，下面一一来看。

      比如我们用Excel去看10个门店10个产品的销售情况，如果放在一个图里面，就非常乱，如下。

而用Python可以放到不同的小表里面，代码和表如下：

fig, ax = plt.subplots(2,5,figsize=(15,5),sharex="col",sharey="row")#建立10个子表plt.subplots_adjust(wspace=0.2, hspace=0.2)#调节子图间距x=list(range(1,11))#x代表10个产品c=["c","darkblue","g","y","teal","aqua","b","navy","cyan","skyblue"]#c是颜色列表for i in range(10):    axnow=ax[int(i/5),i%5]    axnow.plot(x,df.iloc[i,1:],c=c[i])    axnow.set_title("分店"+str(i+1))    if i%5==0:        axnow.set_ylim(0,15)    if i>4:        axnow.set_xticks(x) #在每个小表里面加入折线图，并使用不同的颜色

‍10个店的数量和趋势图

Python里面的颜色名称如下

此外，在使用散点图、热力图的时候，还可以使用cmap配合colorbar,用颜色辅助分析

plt.scatter(x,y,c=z,cmap='Blues')  # c 搭配cmap可以调用配色方案plt.xlabel('price') #设置X轴坐标名称plt.ylabel('volumn') #设置y轴坐标名称plt.colorbar(label="discount") #显示颜色条plt.clim(10,100)#设置颜色条范围

‍

也可以进一步细化，把折扣分成10段(1折-10折)

plt.scatter(x,y,c=z,cmap=plt.cm.get_cmap('Blues', 10))  #,把颜色条分成10段plt.xlabel('price') #设置X轴坐标名称plt.ylabel('volumn') #设置y轴坐标名称plt.colorbar(label="discount",ticks=range(10,100,10)) #显示颜色条，设置10个刻度plt.clim(10,100)#设置colorbar的范围,1折到10折

Python有如下颜色条可供使用

---

     所以，既可以通过改善Excel的配色，提升表格的美观度，学习难度极低，效果立竿见影。也可以学会Python，利用里面的配送方案和自由的表达方式，彻底的提升图表的展示效果。

3.点滴感悟

      通过自己学习Pyhton的经验来说，数据可视化其实是广大Python自学者适合去努力钻研的方向。这里不像机器学习需要很高深的数学知识，也没有很复杂的循环迭代函数啥的，顶多就是语言比较繁琐，需要多积累。而对业务的理解、展示方法的选择、个人的审美能力则是加分项。后面自己也会在这方面多多努力的，毕竟自己是个爱美的女生吗