matplotlib_5 样式和颜色设置

最新推荐文章于 2024-04-30 18:56:41 发布

奥瑞给给~~

最新推荐文章于 2024-04-30 18:56:41 发布

阅读量3.3k

点赞数 5

分类专栏： Matplotlib 文章标签： matplotlib python

原文链接：https://github.com/datawhalechina/fantastic-matplotlib

版权

Matplotlib 专栏收录该内容

11 篇文章 0 订阅

订阅专栏

matplotlib_5 样式和颜色设置

关于绘图样式，常见的有3种方法：修改预定义样式、自定义样式、rcparams。
关于颜色使用，介绍 5种表示单色颜色的基本方法、colormap多色显示的方法。

一、matplotlib的绘图样式（style）

1.预先定义样式

matplotlib提供了许多内置的样式，只需在python脚本的最开始输入想使用style的名称即可调用plt.style.use('default')。

import matplotlib.pyplot as plt
plt.style.use('default')
plt.plot([1,2,3,4],[2,3,4,5])
plt.show()

在这里插入图片描述

plt.style.use('ggplot')

在这里插入图片描述

共内置了26种样式供选择：

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']

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 : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16

import matplotlib.pyplot as plt
plt.style.use('C:/Users/86137/Desktop/python note/presentation.mplstyle')
plt.plot([1,2,3,4],[2,3,4,5])
plt.show()

在这里插入图片描述

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。

import matplotlib.pyplot as plt
plt.style.use(['dark_background','C:/Users/86137/Desktop/python note/presentation.mplstyle'])
plt.plot([1,2,3,4],[2,3,4,5])
plt.show()

在这里插入图片描述

3.设置rcparams

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。

import matplotlib.pyplot as plt
import matplotlib as mpl
plt.style.use("default")  # 恢复到默认样式
mpl.rcParams['lines.linewidth'] = 2
mpl.rcParams['lines.linestyle'] = '--'
plt.plot([1,2,3,4],[2,3,4,5])
plt.show()

在这里插入图片描述

更便捷方式——一次性修改多个样式：

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

在这里插入图片描述

二、matplotlib的色彩设置（color）

从可视化编码的角度对颜色进行分析，将颜色分为色相、亮度和饱和度三个视觉通道。
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

5种表示单色颜色的基本方法

1.RGB或RGBA

plt.plot([4,5,6],[1,2,3],color=(0.1, 0.2, 0.5, 0.5))

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

import matplotlib.pyplot as plt
plt.style.use("default")
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()

在这里插入图片描述

2.HEX RGB 或 RGBA

plt.plot([4,5,6],[1,2,3],color='#0f0f0f80')

用十六进制颜色码表示，最后两位表示透明度，可省略

import matplotlib.pyplot as plt
plt.style.use("default")
plt.plot([1,2,3],[4,5,6],color='#0f0f0f')
plt.plot([4,5,6],[1,2,3],color='#0f0f0f80')
plt.show()

在这里插入图片描述

RGB颜色和HEX颜色之间是可以一一对应的，两种色彩表示方法的转换工具。
https://www.colorhexa.com/

3.灰度色阶

plt.plot([1,2,3],[4,5,6],color='0.5')

当只有一个位于[0,1]的值时，表示灰度色阶

import matplotlib.pyplot as plt
plt.style.use("default")
plt.plot([1,2,3],[4,5,6],color='0.5')
plt.show()

在这里插入图片描述

4.单字符基本颜色

plt.plot([1,2,3],[4,5,6],color='m')

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。

import matplotlib.pyplot as plt
plt.style.use("default")
plt.plot([1,2,3],[4,5,6],color='m')
plt.show()

在这里插入图片描述

5.颜色名称

plt.plot([1,2,3],[4,5,6],color='tan')

颜色对照表——查询颜色对应的名称。

import matplotlib.pyplot as plt
plt.style.use("default")
plt.plot([1,2,3],[4,5,6],color='tan')
plt.show()

在这里插入图片描述

附：颜色对照表

colormap多色显示的方法

使用colormap设置一组颜色

通过色彩的变化表达更多信息——使用colormap配置一组颜色

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。
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。
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。
定性（Qualitative）。常是杂色，用来表示没有排序或关系的信息。
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。

import matplotlib.pyplot as plt
import numpy as np
x = np.random.randn(50)
y = np.random.randn(50)
plt.scatter(x,y,c=x,cmap='RdPu') # [cmap直观理解](https://blog.csdn.net/weixin_39580795/article/details/102622004)
plt.show()