Python 数据分析——Matplotlib相关知识
第五章 Matplotlib相关知识 —— 样式
前言
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,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。
一、matplotlib的绘图样式(style)
1.matplotlib预先定义样式
matplotlib内置了总共以下26种丰富的样式可供使用者选择。
查询print(plt.style.available)
['bmh', 'classic', 'dark_background',
'fast', 'fivethirtyeight', 'ggplot',
'grayscale', 'seaborn-bright', 'seaborn-colorblind',
'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid',
'seaborn-deep', 'seaborn-muted', 'seaborn-notebook',
'seaborn-paper', 'seaborn-pastel', 'seaborn-poster',
'seaborn-talk', 'seaborn-ticks', 'seaborn-white',
'seaborn-whitegrid', 'seaborn', 'Solarize_Light2',
'tableau-colorblind10', '_classic_test']
几个例子
模板: plt.style.use('样式')
x1 = np.linspace(0.0, 6.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
plt.style.use('bmh')
plt.plot(x1,y1);
plt.style.use('fivethirtyeight')
plt.plot(x1,y1);
plt.style.use('classic')
plt.plot(x1,y1);
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 : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16
引用自定义
plt.style.use('file/diy.mplstyle')
# 混合样式
plt.style.use(['样式','file/diy.mplstyle'])
plt.style.use(['classic','E:/MyPython/diy.mplstyle'])
plt.plot(x1,y1);
3.设置rcparams
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。
mpl.rcParams['lines.linewidth'] = 2
mpl.rcParams['lines.linestyle'] = '--'
mpl.rc('lines', linewidth=4, linestyle='-.')
如果只想为特定代码块使用样式但不想更改全局样式,样式包提供了一个上下文管理器,用于将更改限制在特定范围内。
with plt.style.context('bmh'):
plt.plot(x1,y1, 'b-o') # "b"为颜色样式 "o"为点的样式
plt.show()
二、matplotlib的色彩设置(color)
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。
亮度和饱和度:
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。
from matplotlib import colors
colors.CSS4_COLORS
1.RGB或RGBA
RGB 颜色对照表(0-1之间取值)
# 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=(1, 1, 0))
plt.plot([4,5,6],[1,2,3],color=(0.1, 0.2, 0.5, 0.5));
2.HEX RGB 或 RGBA
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。
网址:https://www.colorhexa.com/
# 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='#B22222')
plt.plot([4,5,6],[1,2,3],color='#B2222260')
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],color='0.5')
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
plt.plot([1,2,3],[4,5,6],color='b')
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
plt.plot([1,2,3],[4,5,6],color='PaleTurquoise')
- 颜色名称对照表
6.使用colormap设置一组颜色
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
-
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。
-
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。
-
定性(Qualitative)
常是杂色,用来表示没有排序或关系的信息。
-
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。
在以下官网页面可以查询上述五种colormap的字符串表示和颜色图的对应关系
https://matplotlib.org/stable/tutorials/colors/colormaps.html
x = np.random.randn(50)
y = np.random.randn(50)
plt.scatter(x,y,c=x,cmap='summer');
参考
1.Datawhale
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)