数据可视化组队学习：《Task05 - 样式色彩秀芳华》笔记

前言

本文为《Task05 - 样式色彩秀芳华》笔记。

---

1 matplotlib全局样式设定

从头到尾保持绘图的样式。

1.1 matplotlib自带的样式

直接调用即可。

plt.style.use('default')

一共有26中自带样式：

print(plt.style.available)

['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

1.2 打造属于自己的全局绘图样式

1.2.1 使用.mplstyle文件来设置

创建后缀名为.mplstyle的文件，添加如下列所示的内容：

axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16

之后调用如下所示的代码（路径自己填自己的）：

plt.style.use('file/presentation.mplstyle')
plt.plot([1,2,3,4],[2,3,4,5])

另外，样式可以混合使用：

plt.style.use(['dark_background', 'file/presentation.mplstyle'])
plt.plot([1,2,3,4],[2,3,4,5])

1.2.2 设置rcparams

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams['lines.linewidth'] = 2
mpl.rcParams['lines.linestyle'] = '--'
plt.plot([1,2,3,4],[2,3,4,5])

更便捷的方式：

mpl.rc('lines', linewidth=4, linestyle='-.')
plt.plot([1,2,3,4],[2,3,4,5])

1.2.3 修改matolotlibrc文件来修改样式

1.2.2中的rc其实是matolotlibrc文件。

# 查找matplotlibrc文件的路径
mpl.matplotlib_fname()

然后根据输出的路径找到matolotlibrc文件直接修改。好家伙！

2 matplotlib的色彩设置

• 可视化编码的角度对颜色进行分析
  • 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。
  • 亮度和饱和度：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。
    👉图表配色指南🔗
    👉学会这6个可视化配色基本技巧，还原数据本身的意义🔗

2.1 设置颜色的方式

2.1.1 RGB/RGBA

• RGB
  (red, green, blue)
• RGBA
  (red, green, blue, alpha)

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))

2.1.2 HEX RGB/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')

2.1.3 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')

2.1.4 八种基本颜色

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’
blue	green	red	cyan	magenta	yellow	black	white

import matplotlib.pyplot as plt
import numpy as np

colors = [ 'b', 'g', 'r', 'c', 'm', 'y', 'k', 'w' ]

fig, axs = plt.subplots(2,4)

for ax,c in zip(axs.flat,colors):
    ax.plot([1,2,3],[4,5,6],color=c)
    
fig.tight_layout()

在参数color处可以使用以下颜色：

2.2 使用colormap设置一组颜色

作业

1. 查阅matplotlib官网，列举出Sequential，Diverging，Cyclic，Qualitative，Miscellaneous分别有哪些内置的colormap，并以代码绘图的形式展现出来

import numpy as np
import matplotlib.pyplot as plt


cmaps = [('Perceptually Uniform Sequential', [
            'viridis', 'plasma', 'inferno', 'magma', 'cividis']),
         ('Sequential', [
            'Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
            'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
            'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']),
         ('Sequential (2)', [
            'binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink',
            'spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia',
            'hot', 'afmhot', 'gist_heat', 'copper']),
         ('Diverging', [
            'PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu',
            'RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic']),
         ('Cyclic', ['twilight', 'twilight_shifted', 'hsv']),
         ('Qualitative', [
            'Pastel1', 'Pastel2', 'Paired', 'Accent',
            'Dark2', 'Set1', 'Set2', 'Set3',
            'tab10', 'tab20', 'tab20b', 'tab20c']),
         ('Miscellaneous', [
            'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
            'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg',
            'gist_rainbow', 'rainbow', 'jet', 'turbo', 'nipy_spectral',
            'gist_ncar'])]


gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))


def plot_color_gradients(cmap_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, figsize=(6.4, figh))
    fig.subplots_adjust(top=1-.35/figh, bottom=.15/figh, left=0.2, right=0.99)

    axs[0].set_title(cmap_category + ' colormaps', fontsize=14)

    for ax, name in zip(axs, cmap_list):
        ax.imshow(gradient, aspect='auto', cmap=name)
        ax.text(-.01, .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()


for cmap_category, cmap_list in cmaps:
    plot_color_gradients(cmap_category, cmap_list)
    
fig.savefig('colrmap.png')

plt.show()

<img src="https://img-blog.csdnimg.cn/20201224103616817.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzY1NTI4Mg==,size_16,color_FFFFFF,t_70)

2. 学习如何自定义colormap，并将其应用到任意一个数据集中，绘制一幅图像，注意colormap的类型要和数据集的特性相匹配，并做简单解释

import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap

def plot_examples(colormaps):
    """
    Helper function to plot data with associated colormap.
    """
    np.random.seed(19680801)
    data = np.random.randn(30, 30)
    n = len(colormaps) # 在下面代码中有n=1
    fig, axs = plt.subplots(1, n, figsize=(n * 2 + 2, 3),
                            constrained_layout=True, squeeze=False)
    for ax, cmap in zip(axs.flat, colormaps):
        """
        创建不规则的矩形网格图。
            vmin,vmax: 颜色条的范围
            rasterized: 栅格化（位图），默认为None.
            cmap:注意得是ListedColormap类型的
        """
        psm = ax.pcolormesh(data, cmap=cmap, rasterized=True, vmin=-4, vmax=4)
        fig.colorbar(psm, ax=ax)
    plt.show()
    
"""
ListedColormap: 
    matplotlib.colors.ListedColormap(colors, name='from_list', N=None).
    Colormap object generated from a list of colors.
"""
cmap = ListedColormap(["darkorange", "gold", "lawngreen", "lightseagreen"])
# print(len([cmap]))
# [out] 1 
plot_examples([cmap]) #注意添加[]