极客教程Matplotlib Colormap
Matplotlib 是一个 Python 绘图库，可以用于创建各种类型的图表，包括直方图、折线图、散点图等等。其中，Colormap 是 matplotlib 中的一个非常重要的概念，它定义了如何将数据映射到颜色的过程。在这篇文章中，我们将深入探讨 Matplotlib Colormap，并提供一些示例代码来帮助你理解和使用它。
1. 创建简单的 Colormap
首先，我们来看一个简单的示例，如何创建一个简单的 Colormap。在这个示例中，我们将使用 plt.get_cmap() 函数来获取一个 Colormap 对象，并将其应用到一个简单的 plot 上。
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=plt.get_cmap('viridis'))
plt.colorbar()
plt.show()
Output:
在这段代码中，我们首先生成了一组 x 和 y 数据，然后使用 plt.scatter() 函数将这些数据绘制成散点图，并使用 cmap 参数指定了 Colormap 为 ‘viridis’。最后，我们使用 plt.colorbar() 函数添加颜色条。运行这段代码，你将看到一个根据 y 值变化的颜色散点图。
2. 常见的 Colormap
Matplotlib 提供了很多常见的 Colormap，例如 ‘viridis’, ‘plasma’, ‘inferno’, ‘magma’ 等等。接下来，我们将展示一些常见的 Colormap 示例，让你更加了解它们的效果。
2.1 Viridis
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.imshow(np.random.rand(30, 30), cmap='viridis')
plt.colorbar()
plt.show()
Output:
2.2 Plasma
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.imshow(np.random.rand(30, 30), cmap='plasma')
plt.colorbar()
plt.show()
Output:
2.3 Inferno
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.imshow(np.random.rand(30, 30), cmap='inferno')
plt.colorbar()
plt.show()
Output:
2.4 Magma
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.imshow(np.random.rand(30, 30), cmap='magma')
plt.colorbar()
plt.show()
Output:
这些示例展示了一些常见的 Colormap 的效果，你可以根据自己的需求选择适合的 Colormap。
3. 自定义 Colormap
除了使用 Matplotlib 提供的内置 Colormap 外，你还可以自定义 Colormap。下面是一个简单的示例，展示如何创建一个自定义的 Colormap。
from matplotlib.colors import LinearSegmentedColormap
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
cmap_colors = [(0.1, 0.2, 0.5), (0.3, 0.6, 0.8), (0.5, 0.9, 0.3)]
cmap = LinearSegmentedColormap.from_list('my_colormap', cmap_colors)
plt.imshow(np.random.rand(30, 30), cmap=cmap)
plt.colorbar()
plt.show()
Output:
在这个示例中，我们使用 LinearSegmentedColormap 类来创建一个自定义的 Colormap。你可以根据自己的需求定义不同颜色的比例，从而创建出符合自己要求的 Colormap。
4. 调整 Colormap 显示范围
有时候，你可能希望调整 Colormap 的显示范围，以便更好地展示数据。接下来，我们将展示如何调整 Colormap 的显示范围。
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.imshow(np.random.rand(30, 30), cmap='viridis', vmin=0.3, vmax=0.7)
plt.colorbar()
plt.show()
Output:
在这个示例中，我们使用 vmin 和 vmax 参数来指定 Colormap 的显示范围为 0.3 到 0.7。这样可以使得数据更加清晰地展示出来。
5. 使用 Colormap 在图中显示数据
除了在散点图和热图中使用 Colormap 外，你还可以在其他类型的图表中使用 Colormap 来展示数据。接下来，我们将展示如何在柱状图中使用 Colormap。
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(10)
y = np.random.rand(10)
plt.bar(x, y, color=plt.cm.viridis(y))
plt.show()
Output:
在这个示例中，我们首先生成了一组随机数据，然后使用 plt.bar() 函数绘制了一个柱状图，并根据数据的值使用 plt.cm.viridis() 函数来指定颜色。这样可以在柱状图中更直观地展示数据。
6. 更加复杂的 Colormap 操作
除了简单地应用 Colormap 外，Matplotlib 还提供了更加复杂的 Colormap 操作，例如混合不同 Colormap、设置 Colormap 的透明度等。下面我们将展示一个稍微复杂的示例，演示如何混合两种不同的 Colormap。
import matplotlib.colors as mcolors
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
cmap1 = plt.get_cmap('cool')
cmap2 = plt.get_cmap('hot')
colors1 = cmap1(np.linspace(0, 1, 128))
colors2 = cmap2(np.linspace(0, 1, 128))
colors_mixed = np.vstack((colors1, colors2))
cmap_mixed = mcolors.LinearSegmentedColormap.from_list('mixed_colormap', colors_mixed)
plt.imshow(np.random.rand(30, 30), cmap=cmap_mixed)
plt.colorbar()
plt.show()
Output:
在这个示例中，我们首先获取了两种不同的 Colormap ‘cool’ 和 ‘hot’，然后将它们混合在一起，创建了一个新的混合 Colormap。然后我们将这个新的 Colormap 应用到一个随机矩阵中，展示了混合 Colormap 的效果。