学习打卡5-样式色彩秀芳华

在matplotlib中，绘制样式时，可以在绘制元素时单独设置样式；但有时需要使用matplotlib库自带全局样式。

如：使用default的样式

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

又如：ggplot的样式

plt.style.use('ggplot')
plt.plot([1,2,3,4],[2,3,4,5])

可以使用如下命令，可以查看matplotlib内置的样式的种类

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’]

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
然后利用上面的样式清单进行绘图：

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

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。

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

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。
修改过后再绘图，可以看到绘图样式发生了变化。

plt.style.use('default') # 恢复到默认样式
plt.plot([1,2,3,4],[2,3,4,5])

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

另外matplotlib也还提供了了一种更便捷的修改样式方式，可以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])

matplotlib是使用matplotlibrc文件来控制样式的，所以可以通过修改matplotlibrc文件的方式改变样式。

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
# 查找matplotlibrc文件的路径
mpl.matplotlib_fname()

找到路径后，就可以直接编辑样式文件了，打开后看到的文件格式大致是这样的，文件中列举了所有的样式参数，找到想要修改的参数，比如lines.linewidth: 8，并将前面的注释符号去掉，此时再绘图发现样式以及生效了。

在matplotlib中，设置颜色有以下几种方式：
1.RGB或RGBA
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.HEX RGB 或 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')

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')

4.单字符基本颜色

# 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'，对应的是blue, green, red, cyan, magenta, yellow, black, and white的英文缩写
plt.plot([1,2,3],[4,5,6],color='m')

5.颜色名称

# matplotlib提供了颜色对照表，可供查询颜色对应的名称
plt.plot([1,2,3],[4,5,6],color='tan')

6.使用colormap设置一组颜色
在matplotlib中，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|–|

x = np.random.randn(50)
y = np.random.randn(50)
plt.scatter(x,y,c=x,cmap='RdPu')

思考题

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 pandas as pd
import matplotlib.pyplot as plt 
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
order = pd.read_csv("Order.csv",encoding='utf-8',names=["订单ID","订单日期","省/自治区","产品ID","类别","销售额","数量","折扣","利润"])
order.head()

datal=order['省/自治区'][order['类别']=='办公用品'].value_counts()
data2=order['省/自治区'][order['类别']=='技术'].value_counts()
data3=order['省/自治区'][order['类别']=='家具'].value_counts()
df = pd.DataFrame({'办公用品':datal,'技术':data2,'家具':data3})
df.plot(kind='bar',stacked=True,cmap='Accent')
plt.xlabel('省/自治区')
plt.ylabel('数量')
plt.title('各省/自治区的销售类别数量情况')
plt.show()

本数据分析使用定性（Qualitative）中Accent。使得把不同类别用不同颜色区别开。