matplotlib colormap

1. 引言

在数据可视化中，颜色是一项非常重要的因素。合适的颜色方案可以帮助我们更好地理解和解读数据。而 Matplotlib 是一个强大的数据可视化工具，其中的 colormap （颜色映射）功能可以帮助我们创建出具有吸引力和易于理解的图表。本文将详细介绍 Matplotlib 中的 colormap 功能，并使用示例代码演示其使用方法和效果。

2. Matplotlib Colormap 概述

Colormap（颜色映射）是一种从数值到颜色的映射方式。在 Matplotlib 中，我们可以通过 colormap 来设置数据的颜色。Matplotlib 提供了多种预定义的 colormap，也支持用户自定义 colormap。通过 colormap，我们可以根据数据的特征进行颜色编码，从而更好地呈现数据的差异和趋势。

3. Matplotlib 中的预定义 Colormap

Matplotlib 提供了多种预定义的 colormap，下面列举几种常用的预定义 colormap。

3.1. viridis

viridis 是 Matplotlib 默认的 colormap，它从深蓝色到亮黄色渐变。这个颜色方案在呈现渐变数据时非常有用，可以清晰地显示出数据的变化。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

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

plt.show()

从结果可以看出，数据点的颜色随着 x 值的变化而变化，越靠近 0 的点颜色越深，越靠近 2π 的点颜色越亮。

3.2. jet

jet 是一种非常常见的 colormap，它从蓝色到红色再到黄色的渐变。这个颜色方案常用于呈现温度数据、振幅数据等。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

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

plt.show()

从结果可以看出，数据点的颜色随着 x 值的变化而变化，从蓝色到红色再到黄色渐变。

3.3. coolwarm

coolwarm 是一种以蓝色和红色为主的 colormap，用于呈现冷热数据，例如正负温差、正负电压等。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

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

plt.show()

从结果可以看出，数据点的颜色随着 x 值的变化而变化，从蓝色到红色渐变，并显示颜色条说明颜色对应的数值。

4. 使用自定义 Colormap

除了使用预定义的 colormap 外，Matplotlib 还支持用户自定义 colormap。用户可以根据自己的需求和喜好设计一种适合的 colormap。

示例代码：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LinearSegmentedColormap

# 定义自定义 colormap
colors = [(0, "white"), (0.5, "blue"), (1, "red")]
cmap = LinearSegmentedColormap.from_list("my_colormap", colors)

x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

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

plt.show()

从结果可以看出，自定义的 colormap 由三种颜色组成，分别是白色、蓝色和红色。数据点的颜色根据 x 值的变化从白色到蓝色再到红色渐变。

5. colormap 的应用

Colormap 在可视化中的应用非常广泛，下面介绍两个常见的应用场景。

5.1. Heatmap

Heatmap 是一种常见的热图，用于呈现数据的分布情况。通过使用 colormap，我们可以清晰地显示出数据的高低值。

示例代码：

import matplotlib.pyplot as plt
import numpy as np

data = np.random.rand(10, 10)

plt.imshow(data, cmap='hot')
plt.colorbar()

plt.show()

从结果可以看出，数据呈现出不同的颜色，颜色越亮表示数值越大。

5.2. Contour Plot

Contour Plot 是一种常用的等高线图，用于呈现二维数据的等高线分布。通过使用 colormap，我们可以更好地区分不同等高线的数值区间。

示例代码：

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 = X**2 + Y**2

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

plt.show()

从结果可以看出，数据呈现出不同的颜色，颜色从蓝色到红色渐变，用于表示不同的等高线。