Matplotlib Colormap|极客教程

Matplotlib Colormap

Matplotlib是一个非常流行的Python绘图库，它提供了丰富的绘图功能，包括使用colormap对图表进行颜色映射。在本文中，我们将深入探讨Matplotlib的colormap功能，并提供各种示例代码。

1. 颜色映射基础

颜色映射(colormap)是将数值映射到颜色的过程，通常用于将数据可视化。Matplotlib提供了许多内置的colormap供我们选择使用。下面是一个简单的示例代码，演示如何在Matplotlib中使用colormap。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.scatter(x, y, c=y, cmap='viridis')
plt.colorbar()
plt.show()

Output:

Matplotlib Colormap

2. 内置Colormap

Matplotlib提供了许多内置的colormap，如’viridis’, ‘plasma’, ‘inferno’, ‘magma’, ‘cividis’等。下面是一个示例代码，展示了如何使用不同的内置colormap。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.scatter(x, y, c=y, cmap='plasma')
plt.colorbar()
plt.show()

Output:

Matplotlib Colormap

3. 自定义Colormap

除了使用内置的colormap之外，我们还可以自定义colormap。下面是一个示例代码，演示如何创建自定义的colormap。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as mcolors

cmap = mcolors.LinearSegmentedColormap.from_list("my_colormap", ["blue", "red"])

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.scatter(x, y, c=y, cmap=cmap)
plt.colorbar()
plt.show()

Output:

Matplotlib Colormap

4. 调整Colormap亮度

有时候我们希望调整colormap的亮度，以便更好地展示数据。下面是一个示例代码，展示了如何调整colormap的亮度。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as mcolors

cmap = plt.get_cmap('viridis')
new_cmap = cmap(np.linspace(0, 1, 256))

new_cmap[:, :3] = 0.5  # 调整亮度为0.5

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.scatter(x, y, c=y, cmap=new_cmap)
plt.colorbar()
plt.show()

5. 多种Colormap组合

有时候我们需要在同一个图表中展示多种colormap的效果。下面是一个示例代码，展示了如何在同一个图表中使用多种colormap。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)
z = np.cos(x)

plt.scatter(x, y, c=y, cmap='viridis')
plt.scatter(x, z, c=z, cmap='plasma')
plt.colorbar()
plt.show()

Output:

Matplotlib Colormap

6. 调整Colormap透明度

除了调整亮度之外，我们还可以调整colormap的透明度。下面是一个示例代码，展示了如何调整colormap的透明度。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.scatter(x, y, c=y, cmap='viridis', alpha=0.5)
plt.colorbar()
plt.show()

Output:

Matplotlib Colormap

7. Colormap与图表类型配合

不同的图表类型可能适合不同的colormap。下面是一个示例代码，展示了如何选择合适的colormap来配合不同的图表类型。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y, c=y, cmap='plasma')
plt.colorbar()
plt.show()

8. Colormap与3D图表配合

除了2D图表外，colormap也可以与3D图表配合使用。下面是一个示例代码，展示了如何在3D图表中使用colormap。

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

x = np.linspace(0, 10, 100)
y = np.sin(x)
z = np.cos(x)

ax.scatter(x, y, z, c=y, cmap='viridis')
plt.colorbar()
plt.show()

9. Colormap与直方图配合

Colormap也可以与直方图配合使用，用来展示直方图的分布情况。下面是一个示例代码，展示了如何在直方图中使用colormap。

import matplotlib.pyplot as plt
import numpy as np

data = np.random.randn(1000)

plt.hist(data, bins=30, color='blue', alpha=0.5)
plt.hist(data, bins=30, color='red', alpha=0.5)
plt.show()

Output:

Matplotlib Colormap

10. Colormap与等高线图配合

最后，我们还可以使用colormap来配合等高线图，展示数据的高度分布情况。下面是一个示例代码，展示了如何在等高线图中使用colormap。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-2, 2, 100)
y = np.linspace(-2, 2, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(X) * np.cos(Y)

plt.contourf(X, Y, Z, cmap='plasma')
plt.colorbar()
plt.show()

Output:

Matplotlib Colormap