云南住房与城乡建设厅网站,做一个营销型的网站多少钱,浙江工业设计公司,北京科技网站开发Matplotlib从入门到精通05-样式色彩秀芳华总结Matplotlib从入门到精通05-样式色彩秀芳华导入依赖一、matplotlib的绘图样式#xff08;style#xff09;1.matplotlib预先定义样式2.用户自定义stylesheet3.设置rcparams二、matplotlib的色彩设置#xff08;color#xff09;…
Matplotlib从入门到精通05-样式色彩秀芳华总结Matplotlib从入门到精通05-样式色彩秀芳华导入依赖一、matplotlib的绘图样式style¶1.matplotlib预先定义样式¶2.用户自定义stylesheet¶3.设置rcparams¶二、matplotlib的色彩设置color¶1.RGB或RGBA¶2.HEX RGB 或 RGBA3.灰度色阶¶4.单字符基本颜色5.颜色名称6.使用colormap设置一组颜色¶参考 https://datawhalechina.github.io/fantastic-matplotlib/%E7%AC%AC%E4%B8%80%E5%9B%9E%EF%BC%9AMatplotlib%E5%88%9D%E7%9B%B8%E8%AF%86/index.html
https://matplotlib.org/stable/index.html
http://c.biancheng.net/matplotlib/data-visual.html
AI算法工程师手册
Task3:用极坐标系绘制玫瑰图散点图和边际分布图的绘制
总结
本文主要是Matplotlib从入门到精通系列第5篇本文介绍了Matplotlib的绘图样式和色彩设置同时介绍了较好的参考文档置于博客前面读者可以重点查看参考链接。本系列的目的是可以完整的完成Matplotlib从入门到精通。重点参考连接
Matplotlib从入门到精通05-样式色彩秀芳华
第五回详细介绍matplotlib中样式和颜色的使用绘图样式和颜色是丰富可视化图表的重要手段因此熟练掌握本章可以让可视化图表变得更美观突出重点和凸显艺术性。
关于绘图样式常见的有3种方法分别是 修改预定义样式自定义样式和rcparams。 关于颜色使用本章介绍了 常见的5种表示单色颜色的基本方法以及colormap多色显示的方法。 导入依赖
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np一、matplotlib的绘图样式style¶
在matplotlib中要想设置绘制样式最简单的方法是在绘制元素时单独设置样式。 但是有时候当用户在做专题报告时往往会希望保持整体风格的统一而不用对每张图一张张修改因此matplotlib库还提供了四种批量修改全局样式的方式
1.matplotlib预先定义样式¶
matplotlib贴心地提供了许多内置的样式供用户使用使用方法很简单只需在python脚本的最开始输入想使用style的名称即可调用尝试调用不同内置样式比较区别
print(plt.style.available)plt.style.use(default)
plt.plot([1,2,3,4],[2,3,4,5]);plt.show()[‘Solarize_Light2’, ‘_classic_test_patch’, ‘_mpl-gallery’, ‘_mpl-gallery-nogrid’, ‘bmh’, ‘classic’, ‘dark_background’, ‘fast’, ‘fivethirtyeight’, ‘ggplot’, ‘grayscale’, ‘seaborn-v0_8’, ‘seaborn-v0_8-bright’, ‘seaborn-v0_8-colorblind’, ‘seaborn-v0_8-dark’, ‘seaborn-v0_8-dark-palette’, ‘seaborn-v0_8-darkgrid’, ‘seaborn-v0_8-deep’, ‘seaborn-v0_8-muted’, ‘seaborn-v0_8-notebook’, ‘seaborn-v0_8-paper’, ‘seaborn-v0_8-pastel’, ‘seaborn-v0_8-poster’, ‘seaborn-v0_8-talk’, ‘seaborn-v0_8-ticks’, ‘seaborn-v0_8-white’, ‘seaborn-v0_8-whitegrid’, ‘tableau-colorblind10’] plt.style.use(ggplot)
plt.plot([1,2,3,4],[2,3,4,5]);plt.show()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 : 5 lines.markersize : 10 xtick.labelsize : 10 ytick.labelsize : 20 引用自定义stylesheet后观察图表变化。
plt.style.use(a.mplstyle)
plt.plot([1,2,3,4],[2,3,4,5])plt.show()值得特别注意的是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, a.mplstyle])
plt.plot([1,2,3,4],[2,3,4,5]);plt.show()3.设置rcparams¶
我们还可以通过修改默认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。 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
mpl.rcParams[lines.linewidth] 2
mpl.rcParams[lines.linestyle] --
# mpl.rc(lines, linewidth2, linestyle-.) # 一次修改多个与上面等价
plt.plot([1,2,3,4],[2,3,4,5])plt.show()二、matplotlib的色彩设置color¶
在可视化中如何选择合适的颜色和搭配组合也是需要仔细考虑的色彩选择要能够反映出可视化图像的主旨。 从可视化编码的角度对颜色进行分析可以将颜色分为色相、亮度和饱和度三个视觉通道。通常来说 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不属于本教程的重点请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
如何为色盲色弱用户群体设计产品
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))plt.show()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);plt.show()RGB颜色和HEX颜色之间是可以一一对应的以下网址提供了两种色彩表示方法的转换工具。 参考 https://www.fontke.com/tool/rgb/0f0f0f/ https://www.colorhexa.com/
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],color0.5);plt.show()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 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 6.使用colormap设置一组颜色¶
有些图表支持使用colormap的方式配置一组颜色从而在可视化中通过色彩的变化表达更多信息。
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 plot_color_gradients(‘Perceptually Uniform Sequential’, [‘viridis’, ‘plasma’, ‘inferno’, ‘magma’, ‘cividis’]) plot_color_gradients(‘Sequential’, [‘Greys’, ‘Purples’, ‘Blues’, ‘Greens’, ‘Oranges’, ‘Reds’, ‘YlOrBr’, ‘YlOrRd’, ‘OrRd’, ‘PuRd’, ‘RdPu’, ‘BuPu’, ‘GnBu’, ‘PuBu’, ‘YlGnBu’, ‘PuBuGn’, ‘BuGn’, ‘YlGn’]) plot_color_gradients(‘Sequential (2)’, [‘binary’, ‘gist_yarg’, ‘gist_gray’, ‘gray’, ‘bone’, ‘pink’, ‘spring’, ‘summer’, ‘autumn’, ‘winter’, ‘cool’, ‘Wistia’, ‘hot’, ‘afmhot’, ‘gist_heat’, ‘copper’]) 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。 plot_color_gradients(‘Diverging’, [‘PiYG’, ‘PRGn’, ‘BrBG’, ‘PuOr’, ‘RdGy’, ‘RdBu’, ‘RdYlBu’, ‘RdYlGn’, ‘Spectral’, ‘coolwarm’, ‘bwr’, ‘seismic’]) 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。 plot_color_gradients(‘Cyclic’, [‘twilight’, ‘twilight_shifted’, ‘hsv’]) 定性Qualitative。常是杂色用来表示没有排序或关系的信息。 plot_color_gradients(‘Qualitative’, [‘Pastel1’, ‘Pastel2’, ‘Paired’, ‘Accent’, ‘Dark2’, ‘Set1’, ‘Set2’, ‘Set3’, ‘tab10’, ‘tab20’, ‘tab20b’, ‘tab20c’]) 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。 plot_color_gradients(‘Miscellaneous’, [‘flag’, ‘prism’, ‘ocean’, ‘gist_earth’, ‘terrain’, ‘gist_stern’, ‘gnuplot’, ‘gnuplot2’, ‘CMRmap’, ‘cubehelix’, ‘brg’, ‘gist_rainbow’, ‘rainbow’, ‘jet’, ‘turbo’, ‘nipy_spectral’, ‘gist_ncar’]) plt.show() 具体见 https://matplotlib.org/stable/tutorials/colors/colormaps.html
完整代码
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
# from colorspacious import cspace_convertercmaps {}gradient np.linspace(0, 1, 256)
gradient np.vstack((gradient, gradient))def plot_color_gradients(category, cmap_list):# Create figure and adjust figure height to number of colormapsnrows len(cmap_list)figh 0.35 0.15 (nrows (nrows - 1) * 0.1) * 0.22fig, axs plt.subplots(nrowsnrows 1, figsize(6.4, figh))fig.subplots_adjust(top1 - 0.35 / figh, bottom0.15 / figh,left0.2, right0.99)axs[0].set_title(f{category} colormaps, fontsize14)for ax, name in zip(axs, cmap_list):ax.imshow(gradient, aspectauto, cmapmpl.colormaps[name])ax.text(-0.01, 0.5, name, vacenter, haright, fontsize10,transformax.transAxes)# Turn off *all* ticks spines, not just the ones with colormaps.for ax in axs:ax.set_axis_off()# Save colormap list for later.cmaps[category] cmap_listplot_color_gradients(Perceptually Uniform Sequential,[viridis, plasma, inferno, magma, cividis])plt.show()
