极客教程Matplotlib 选择色彩图
参考：matplotlib choosing colormaps
在数据可视化中，选择合适的色彩图（colormap）对于传达数据的含义至关重要。Matplotlib 是 Python 中一个广泛使用的绘图库，它提供了丰富的色彩图供我们选择。本文将详细介绍如何在 Matplotlib 中选择和使用色彩图，以及如何根据您的具体需求选择最合适的色彩图。
1. 色彩图的基本概念
色彩图（Colormap）是一系列颜色的集合，用于将数值映射到颜色上。在 Matplotlib 中，色彩图不仅用于提高图表的美观性，更重要的是通过颜色的变化来表达数据的变化，增强数据的可读性和可解释性。
示例代码 1：显示所有可用的色彩图
import matplotlib.pyplot as plt
print("可用的色彩图：")
print(plt.colormaps())
2. 选择色彩图的原则
选择色彩图时，需要考虑数据的类型（顺序、离散、发散等）和视觉效果（是否易于区分、是否对色盲友好等）。
示例代码 2：使用基本色彩图绘制图表
import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(10000)
y = np.random.randn(10000)
plt.hexbin(x, y, gridsize=30, cmap='Blues')
plt.colorbar()
plt.title("Hexbin Demo with Blues Colormap - how2matplotlib.com")
plt.show()
Output:
3. 顺序色彩图
顺序色彩图通常用于表示从低到高的数值变化，颜色会从浅到深或从深到浅渐变。
示例代码 3：使用顺序色彩图绘制热力图
import numpy as np
import matplotlib.pyplot as plt
data = np.random.rand(10, 10)
plt.imshow(data, cmap='BuPu')
plt.colorbar()
plt.title("Heatmap with BuPu Colormap - how2matplotlib.com")
plt.show()
Output:
4. 离散色彩图
离散色彩图用于表示没有固定顺序或分类的数据，每种颜色代表一种类别。
示例代码 4：使用离散色彩图绘制散点图
import numpy as np
import matplotlib.pyplot as plt
x = np.random.rand(50)
y = np.random.rand(50)
colors = np.random.randint(0, 5, 50)
plt.scatter(x, y, c=colors, cmap='tab10')
plt.colorbar()
plt.title("Scatter Plot with Tab10 Colormap - how2matplotlib.com")
plt.show()
Output:
5. 发散色彩图
发散色彩图用于表示数据中的中间值和两端值之间的对比，通常中间值为中性色，两端为对比色。
示例代码 5：使用发散色彩图绘制条形图
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(10)
y = np.random.randn(10)
plt.bar(x, y, color=plt.cm.coolwarm(np.linspace(0, 1, 10)))
plt.title("Bar Chart with CoolWarm Colormap - how2matplotlib.com")
plt.show()
Output:
6. 自定义色彩图
在 Matplotlib 中，您还可以根据需要自定义色彩图。
示例代码 6：创建并使用自定义色彩图
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
colors = ["#56B4E9", "#E69F00", "#F0E442", "#0072B2", "#D55E00", "#CC79A7", "#999999"]
n_bins = [3, 6, 10, 100] # Discretizes the interpolation into bins
cmap_name = 'my_list'
cm = LinearSegmentedColormap.from_list(cmap_name, colors, N=5)
data = np.random.randn(1000, 3)
fig, axs = plt.subplots(1, 4, figsize=(9, 3), constrained_layout=True)
for n_bin, ax in zip(n_bins, axs):
N, bins, patches = ax.hist(data, n_bin, density=True, histtype='bar', cmap=cm)
ax.set_title('n_bin: {}'.format(n_bin))
plt.suptitle("Custom Colormap Example - how2matplotlib.com")
plt.show()
7. 色彩图的实际应用
在实际应用中，选择合适的色彩图可以帮助观众更好地理解数据。
示例代码 7：绘制地形数据
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-3, 3, 400)
y = np.linspace(-3, 3, 400)
X, Y = np.meshgrid(x, y)
Z = np.sin(X**2 + Y**2)
plt.contourf(X, Y, Z, cmap='terrain')
plt.colorbar()
plt.title("Contour Plot with Terrain Colormap - how2matplotlib.com")
plt.show()
Output:
8. 色彩图的选择工具
Matplotlib 官方提供了一个色彩图选择工具，帮助用户根据不同的需求选择合适的色彩图。
示例代码 8：使用内置函数查看色彩图
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
cmap = plt.get_cmap('viridis')
cbar = fig.colorbar(plt.cm.ScalarMappable(cmap=cmap), ax=ax)
ax.set_title("Colorbar with Viridis - how2matplotlib.com")
plt.show()
Output:
9. 对色盲友好的色彩图
在选择色彩图时，考虑到色盲用户的需求是非常重要的。Matplotlib 提供了一些对色盲友好的色彩图。
示例代码 9：使用对色盲友好的色彩图
import numpy as np
import matplotlib.pyplot as plt
data = np.random.rand(10, 10)
plt.imshow(data, cmap='cividis')
plt.colorbar()
plt.title("Heatmap with Cividis Colormap - how2matplotlib.com")
plt.show()
Output:
10. 色彩图的调整和优化
在实际应用中，可能需要根据特定的视觉效果或数据特性对色彩图进行调整和优化。Matplotlib 提供了灵活的方式来调整色彩图的亮度、对比度和色调等。
示例代码 10：调整色彩图的亮度
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LightSource
x = np.linspace(-3, 3, 400)
y = np.linspace(-3, 3, 400)
X, Y = np.meshgrid(x, y)
Z = np.sin(X**2 + Y**2)
ls = LightSource(azdeg=0, altdeg=65)
rgb = ls.shade(Z, plt.cm.coolwarm)
plt.imshow(rgb)
plt.title("Shaded Relief Map with CoolWarm - how2matplotlib.com")
plt.show()
Output:
通过调整色彩图的亮度，可以模拟光照效果，增强图表的立体感和视觉冲击力。
11. 色彩图的保存和分享
创建完美的色彩图后，您可能希望将其保存或分享。Matplotlib 提供了保存图表为多种格式的功能，包括 PNG、PDF、SVG 等。
示例代码 11：保存色彩图
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y, 'r') # 'r' 是红色
plt.title("Sine Wave Plot - how2matplotlib.com")
plt.savefig("sine_wave.png")
plt.show()
Output:
通过 savefig 函数，您可以轻松地将您的图表保存为高质量的图片或矢量图形文件。
12. 结语
本文介绍了在 Matplotlib 中选择和使用色彩图的基本原则和方法，包括不同类型的色彩图、自定义色彩图、以及如何根据数据和视觉需求选择合适的色彩图。通过合理选择和调整色彩图，可以极大地提升数据可视化的效果和信息传递的效率。
色彩图是数据可视化中的重要元素，合理使用色彩可以帮助我们更好地理解和解释数据。希望本文能够帮助您在 Matplotlib 中有效地使用色彩图，创建出既美观又富有信息量的图表。
记住，数据可视化是一个不断探索和学习的过程，不断实践和尝试将帮助您提升技能，创造出更加精彩的可视化作品。欢迎您继续探索 Matplotlib 的世界，发现更多有趣和强大的功能。