python 颜色_python可视化——matplotlib画图颜色控制

11081b6838daaf263fc207c9f45340b6.png

这里cd整理了python中matplotlib库中color可用的颜色,之前有人整理的是图片版,实际用的时候不怎么方便,因策这里整理了表格,颜色可以选择,方便使用。(用力戳“阅读原文”哈)

关于matplotlib中颜色的使用,有很多方式:


1、用RGB或者RGBA元组,取值范围均归一到[0,1],(e.g:(0.1, 0.2, 0.5) or (0.1, 0.2, 0.5, 0.3));
2、用十六进制的颜色表示方式代替RGB或者RGBA元组,(e.g., '#0F0F0F' or '#0F0F0F0F');
3、用[0,1]中的浮点数字符串来表示,(e.g., 灰色表示为:'0.5');
4、用缩写,{'b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'}中的任意一个;
5、用以“xkcd:”为前缀的xkcd颜色名称,(e.g.,“xkcd:sky blue”);
6、用 {'C0', 'C1', 'C2', 'C3', 'C4', 'C5', 'C6', 'C7', 'C8', 'C9'},表示当前默认颜色列表中的颜色;
7、用来自' T10 '分类调色板的Tableau颜色(这是默认的颜色循环)当中的一个,{'tab:blue', 'tab:orange', 'tab:green', 'tab:red', 'tab:purple', 'tab:brown', 'tab:pink', 'tab:gray', 'tab:olive', 'tab:cyan'};

所有颜色的字符串规范都不区分大小写。


以上说明来自matplotlib官网:Specifying Colors

(https://matplotlib.org/users/colors.html)
Github上也有指定可用颜色的源文件:_color_data.py

(https://github.com/matplotlib/matplotlib/blob/master/lib/matplotlib/_color_data.py)
Stack Overflow中相关问题的回答也不错,可以瞅瞅:Named colors in matplotlib

(https://stackoverflow.com/questions/22408237/named-colors-in-matplotlib)


首先是matplotlib库中colors中带的颜色库。如需在python上自行查看可输入:

from matplotlib import colors
colors.CSS4_COLORS

颜色对照表如下:(细心的话会发现#778899出现了两遍)

#000000 black #228B22 forestgreen
#000000 k #32CD32 limegreen
#696969 dimgray #006400 darkgreen
#696969 dimgrey #008000 g
#808080 gray #008000 green
#808080 grey #00FF00 lime
#A9A9A9 darkgray #2E8B57 seagreen
#A9A9A9 darkgrey #3CB371 mediumseagreen
#C0C0C0 silver #00FF7F springgreen
#D3D3D3 lightgray #F5FFFA mintcream
#D3D3D3 lightgrey #00FA9A mediumspringgreen
#DCDCDC gainsboro #66CDAA mediumaquamarine
#F5F5F5 whitesmoke #7FFFD4 aquamarine
#FFFFFF w #40E0D0 turquoise
#FFFFFF white #20B2AA lightseagreen
#FFFAFA snow #48D1CC mediumturquoise
#BC8F8F rosybrown #F0FFFF azure
#F08080 lightcoral #E0FFFF lightcyan
#CD5C5C indianred #AFEEEE paleturquoise
#A52A2A brown #2F4F4F darkslategray
#B22222 firebrick #2F4F4F darkslategrey
#800000 maroon #008080 teal
#8B0000 darkred #008B8B darkcyan
#FF0000 r #00C0C0 c
#FF0000 red #00FFFF aqua
#FFE4E1 mistyrose #00FFFF cyan
#FA8072 salmon #00CED1 darkturquoise
#FF6347 tomato #5F9EA0 cadetblue
#E9967A darksalmon #B0E0E6 powderblue
#FF7F50 coral #ADD8E6 lightblue
#FF4500 orangered #00BFFF deepskyblue
#FFA07A lightsalmon #87CEEB skyblue
#A0522D sienna #87CEFA lightskyblue
#FFF5EE seashell #4682B4 steelblue
#D2691E chocolate #F0F8FF aliceblue
#8B4513 saddlebrown #1E90FF dodgerblue
#F4A460 sandybrown #778899 lightslategray
#FFDAB9 peachpuff #778899 lightslategrey
#CD853F peru #708090 slategray
#FAF0E6 linen #708090 slategrey
#FFE4C4 bisque #B0C4DE lightsteelblue
#FF8C00 darkorange #6495ED cornflowerblue
#DEB887 burlywood #4169E1 royalblue
#FAEBD7 antiquewhite #F8F8FF ghostwhite
#D2B48C tan #E6E6FA lavender
#FFDEAD navajowhite #191970 midnightblue
#FFEBCD blanchedalmond #000080 navy
#FFEFD5 papayawhip #00008B darkblue
#FFE4B5 moccasin #0000CD mediumblue
#FFA500 orange #0000FF b
#F5DEB3 wheat #0000FF blue
#FDF5E6 oldlace #6A5ACD slateblue
#FFFAF0 floralwhite #483D8B darkslateblue
#B8860B darkgoldenrod #7B68EE mediumslateblue
#DAA520 goldenrod #9370DB mediumpurple
#FFF8DC cornsilk #663399 rebeccapurple
#FFD700 gold #8A2BE2 blueviolet
#FFFACD lemonchiffon #4B0082 indigo
#F0E68C khaki #9932CC darkorchid
#EEE8AA palegoldenrod #9400D3 darkviolet
#BDB76B darkkhaki #BA55D3 mediumorchid
#FFFFF0 ivory #D8BFD8 thistle
#F5F5DC beige #DDA0DD plum
#FFFFE0 lightyellow #EE82EE violet
#FAFAD2 lightgoldenrodyellow #800080 purple
#808000 olive #8B008B darkmagenta
#C0C000 y #C000C0 m
#FFFF00 yellow #FF00FF fuchsia
#6B8E23 olivedrab #FF00FF magenta
#9ACD32 yellowgreen #DA70D6 orchid
#556B2F darkolivegreen #C71585 mediumvioletred
#ADFF2F greenyellow #FF1493 deeppink
#7FFF00 chartreuse #FF69B4 hotpink
#7CFC00 lawngreen #FFF0F5 lavenderblush
#F0FFF0 honeydew #DB7093 palevioletred
#8FBC8F darkseagreen #DC143C crimson
#98FB98 palegreen #FFC0CB pink
#90EE90 lightgreen #FFB6C1 lightpink

此外,如果用xkcd颜色名称,画图时设置颜色时通过增加“xkcd:”即可达到效果,(e.g.,“xkcd:sky blue”)。自行查看可通过matplotlib中的colors颜色库查看:

from matplotlib import colors
colors.XKCD_COLORS

也可以通过查seaborn中的seaborn.xkcd_rgb查到:

import seaborn
seaborn.xkcd_rgb

颜色显示如下:

#000000 black #98f6b0 light sea green
#ffffff white #02ab2e kelly green
#bb3f3f dull red #019529 irish green
#4b0101 dried blood #0a481e pine green
#840000 dark red #65ab7c tea
#e50000 red #a0febf light seafoam
#9a0200 deep red #48c072 dark mint
#4a0100 mahogany #33b864 cool green
#db5856 pastel red #76fda8 light bluish green
#c44240 reddish #80f9ad seafoam
#fd5956 grapefruit #009337 kelley green
#410200 deep brown #7af9ab seafoam green
#cf524e dark coral #02c14d shamrock green
#d9544d pale red #3ae57f weird green
#fc5a50 coral #1ef876 spearmint
#c85a53 dark salmon #40a368 greenish
#c27e79 brownish pink #01b44c shamrock
#1d0200 very dark brown #7efbb3 light blue green
#850e04 indian red #35ad6b seaweed green
#ff796c salmon #01a049 emerald
#c8aca9 pinkish grey #56fca2 light green blue
#6e1005 reddy brown #53fca1 sea green
#997570 reddish grey
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MatplotlibPython 中最常用的可视化库之一,它提供了大量的功能和选项,可以绘制各种类型的图形。在 Matplotlib 中,绘图的基本单位是 Figure 和 Axes,其中 Figure 是整个图形的窗口或容器,而 Axes 则是实际绘图的区域。 下面我们将演示如何使用 Matplotlib 绘制多个变量的图形: 首先,我们需要导入 Matplotlib 库: ```python import matplotlib.pyplot as plt ``` 接下来,我们生成一些数据,用于绘图: ```python import numpy as np x = np.linspace(0, 10, 1000) y1 = np.sin(x) y2 = np.cos(x) y3 = np.tan(x) ``` 上述代码生成了一个 0 到 10 之间的等间距数组 x,以及三个函数 y1、y2 和 y3,分别表示 sin(x)、cos(x) 和 tan(x)。 接下来,我们可以使用 Matplotlib 绘制这些函数的图形: ```python fig, ax = plt.subplots() ax.plot(x, y1, label='sin(x)') ax.plot(x, y2, label='cos(x)') ax.plot(x, y3, label='tan(x)') ax.legend() plt.show() ``` 上述代码中,我们首先使用 subplots() 函数创建一个 Figure 对象和一个 Axes 对象。然后,我们使用 plot() 函数在 Axes 对象上绘制三个函数的图形,并使用 label 参数为每个函数添加一个标签。最后,我们调用 legend() 函数显示图例,并调用 show() 函数显示图形。 运行上述代码,可以得到如下图形: ![image.png](attachment:image.png) 上图展示了 sin(x)、cos(x) 和 tan(x) 三个函数在 0 到 10 范围内的图形。我们可以看到,通过 Matplotlib,我们可以轻松地绘制多个变量的图形,并对图形进行进一步的定制。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值