【matplotlib】可视化解决方案——如何正确使用颜色映射表

概述

颜色映射表是一种数据渲染器,可以基于映射表将像素值转换成特定颜色。matplotlib 提供了很多的颜色映射表,可以通过 matplotlib.cm.register_cmap() 方法将新的颜色映射表添加到 matplotlib 中;也可以通过 matplotlib.pyplot.colormaps 方法获得所有可用的颜色映射表;一般情况下,可以在 image、scatter 上设置颜色映射表。目前有两种方式获得颜色映射表。

使用关键字参数

在绘图时可以通过关键字参数直接指定颜色映射表,例如:

pyplot.imshow(img, cmap=mpl.cm.hot)
pyplot.scatter(x, y, c=np.random.rand(10), cmap=mpl.cm.jet)

使用 set_cmap 方法

第二种方式是调用 set_cmap() 方法,该方法会设置一个全局的颜色映射表,例如:

pyplot.set_cmap("hot")
pyplot.set_cmap("jet")

颜色映射表一般可以分为三类:

  • sequential:同一种颜色从低饱和度到高饱和度的单色颜色映射表;
  • diverging:颜色从中间的明亮颜色开始,然后过度到两个不同颜色范围的方向上;
  • qualitative:让不同种类的数据可以彼此之间轻易地区分出来;

除此之外,ColorBrewer 对颜色映射进行了限定,这导致出现了以下三种颜色映射表类型:

  • ColorBrewer sequential:BrBG、PiYG、PRGn、PuOr 等;
  • ColorBrewer diverging:Blues、BuGn、BuPu、GnBu 等;
  • ColorBrewer qualitative:Accent、Dark2、Paired、Set1 等;

值得注意的是,全部内置的颜色映射表都可以通过增加后缀 _r 的方式进行反转,例如 jet_r 就是 jet 的反向循环颜色映射表。最常用的颜色映射表有 autumn、bone、cool、copper、flag、gray、hot、hsv、jet、pink、prism、spring、summer、winter。

示例

为了更好的展示颜色映射表的使用,接下来我们将会使用 RdYlBu 颜色映射表进行散点图绘制,首先对RdYlBu 颜色映射表进行采样得到 9 个 Hex 形式的 RGB 值,之后通过散点图的形式将所有的颜色进行展示,其完整代码如下:

import matplotlib.pyplot as plt  
import numpy as np  
  
print(plt.get_cmap("RdYlBu"))  
  
hex_html = ["#d73027", "#f46d43", "#fdae61", "#fee090", "#ffffbf", "#e0f3f8", "#abd9e9", "#74add1", "#4575b4"]  
sample = 10000  
fig, ax = plt.subplots(1, 1)  
for j in range(len(hex_html)):  
    y = np.random.normal(0, 0.1, size=sample).cumsum()  
    x = np.arange(sample)  
    ax.scatter(x, y,  
               label=str(j),  
               linewidths=0.2,  
               edgecolors="grey",  
               facecolor=hex_html[j])  
ax.legend()  
plt.show()

画图效果如下:

【matplotlib】可视化解决方案——如何正确使用颜色映射表_第1张图片

往期回顾

  1. 【matplotlib】可视化解决方案——如何调整轴脊位置
  2. 【matplotlib】可视化解决方案——如何设置坐标系计量方法
  3. 【matplotlib】可视化解决方案——如何正确使用文本注释
  4. 【matplotlib】可视化解决方案——如何调整计量单位和计量方法
  5. 【matplotlib】可视化解决方案——如何实现图形的动画效果
  6. 【matplotlib】可视化解决方案——如何正确使用plot方法
  7. 【matplotlib】可视化解决方案——如何正确使用bar方法
  8. 【matplotlib】可视化解决方案——如何向画布中添加坐标轴
  9. 【matplotlib】可视化解决方案——如何正确使用matplotlib颜色系统
  10. 【matplotlib】可视化解决方案——如何实现画布局部放大功能

文中难免会出现一些描述不当之处(尽管我已反复检查多次),欢迎在留言区指正,相关的知识点也可进行分享,希望大家都能有所收获!!如果觉得我的文章写得还行,不妨支持一下。你的每一个转发、关注、点赞、评论都是对我最大的支持!

你可能感兴趣的:(#,可视化解决方案,matplotlib,python,开发语言)