Matplotlib - 选择颜色映射

颜色映射 也称为颜色表或调色板，是一系列表示连续值范围的颜色。允许您通过颜色变化有效地表示信息。

请参见下图，其中引用了 matplotlib 中的一些内置颜色映射 -

Matplotlib 提供了各种内置（在 matplotlib.colormaps 模块中可用）和第三方颜色映射，适用于各种应用。

在 Matplotlib 中选择颜色映射

选择合适的颜色映射涉及为您的数据集找到在 3D 颜色空间中的合适表示。

为任何给定的数据集选择合适的颜色映射的因素包括 -

数据的性质 - 是否表示形式数据或度量数据
对数据集的了解 - 理解数据集的特性。
直观的颜色方案 - 考虑被绘制参数是否存在直观的颜色方案。
领域标准 - 考虑观众是否可能期望该领域的标准。

对于大多数应用，建议使用感知上统一的颜色映射，以确保数据中的相等步长在颜色空间中被感知为相等步长。这提高了人脑的解释能力，尤其是在亮度变化比色相变化更容易感知的情况下。

颜色映射的类别

颜色映射根据其功能进行分类 -

顺序型 - 亮度和饱和度的增量变化，通常使用单一色调。适用于表示有序信息。
发散型 - 两种颜色的亮度和饱和度变化，在不饱和颜色处相遇。非常适合具有关键中间值的数据，例如地形或围绕零偏差的数据。
循环型 - 两种颜色的亮度变化，在中间相遇，并在端点处开始/结束于不饱和颜色。适用于在端点处环绕的值，例如相位角或一天中的时间。
定性型 - 各种颜色，没有特定的顺序。用于表示没有排序或关系的信息。

顺序型颜色映射

顺序型颜色映射显示随着其在颜色映射中增加，亮度值单调递增。此特性确保颜色变化感知的平滑过渡，使其适合表示有序信息。但是，必须注意，根据其跨越的值范围，颜色映射之间的感知范围可能会有所不同。

让我们通过可视化它们的渐变并了解它们的亮度值如何演变来探索顺序型颜色映射。

示例

以下示例提供了 Matplotlib 中可用的不同顺序型颜色映射的渐变的可视化表示。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

# List of Sequential colormaps to visualize
cmap_list = ['Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds',
   'YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu',
   'GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']

# Plot the color gradients

gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))

# Create figure and adjust figure height to the number of colormaps
nrows = len(cmap_list)
figh = 0.35 + 0.15 + (nrows + (nrows - 1) * 0.1) * 0.22
fig, axs = plt.subplots(nrows=nrows + 1, figsize=(7, figh))
fig.subplots_adjust(top=1 - 0.35 / figh, bottom=0.15 / figh,
   left=0.2, right=0.99)
axs[0].set_title('Sequential colormaps', fontsize=14)

for ax, name in zip(axs, cmap_list):
   ax.imshow(gradient, aspect='auto', cmap=mpl.colormaps[name])
   ax.text(-0.1, 0.5, name, va='center', ha='right', fontsize=10,
      transform=ax.transAxes)

# Turn off all ticks & spines, not just the ones with colormaps.
for ax in axs:
   ax.set_axis_off()

# Show the plot
plt.show()

输出

执行上述代码后，我们将获得以下输出 -

发散型颜色映射

发散型颜色映射的特点是亮度值单调递增然后递减，最大亮度接近中性中点。

示例

以下示例提供了 Matplotlib 中可用的不同发散型颜色映射的渐变的可视化表示。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

# List of Diverging colormaps to visualize
cmap_list = ['PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu', 'RdYlBu',
   'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic']

# Plot the color gradients
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))

# Create figure and adjust figure height to the number of colormaps
nrows = len(cmap_list)
figh = 0.35 + 0.15 + (nrows + (nrows - 1) * 0.1) * 0.22
fig, axs = plt.subplots(nrows=nrows + 1, figsize=(7, figh))
fig.subplots_adjust(top=1 - 0.35 / figh, bottom=0.15 / figh,
   left=0.2, right=0.99)
axs[0].set_title('Diverging colormaps', fontsize=14)

for ax, name in zip(axs, cmap_list):
   ax.imshow(gradient, aspect='auto', cmap=mpl.colormaps[name])
   ax.text(-0.1, 0.5, name, va='center', ha='left', fontsize=10,
      transform=ax.transAxes)

# Turn off all ticks & spines, not just the ones with colormaps.
for ax in axs:
   ax.set_axis_off()

# Show the plot
plt.show()

输出

执行上述代码后，我们将获得以下输出 -

循环型颜色映射

循环型颜色映射呈现出独特的设计，其中颜色映射在同一种颜色上开始和结束，在对称中心点相遇。亮度值的进展应该从开始到中间单调变化，从中间到结束则反向变化。

示例

在以下示例中，您可以浏览和可视化 Matplotlib 中可用的各种循环型颜色映射。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

# List of Cyclic colormaps to visualize
cmap_list = ['twilight', 'twilight_shifted', 'hsv']

# Plot the color gradients
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))

# Create figure and adjust figure height to the number of colormaps
nrows = len(cmap_list)
figh = 0.35 + 0.15 + (nrows + (nrows - 1) * 0.1) * 0.22
fig, axs = plt.subplots(nrows=nrows + 1, figsize=(7, figh))
fig.subplots_adjust(top=1 - 0.35 / figh, bottom=0.15 / figh,
   left=0.2, right=0.99)
axs[0].set_title('Cyclic colormaps', fontsize=14)

for ax, name in zip(axs, cmap_list):
   ax.imshow(gradient, aspect='auto', cmap=mpl.colormaps[name])
   ax.text(-0.1, 0.5, name, va='center', ha='left', fontsize=10,
      transform=ax.transAxes)

# Turn off all ticks & spines, not just the ones with colormaps.
for ax in axs:
   ax.set_axis_off()

# Show the plot
plt.show()

输出

执行上述代码后，我们将获得以下输出 -

定性型颜色映射

定性型颜色映射不同于感知映射，因为它们并非旨在提供感知一致性，而是用于表示不具有排序或关系的信息。亮度值在整个颜色映射中差异很大，并且不是单调递增的。因此，不建议将定性型颜色映射用作感知颜色映射。

示例

以下示例提供了 Matplotlib 中可用的不同定性型颜色映射的可视化表示。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

# List of Qualitative colormaps to visualize
cmap_list = ['Pastel1', 'Pastel2', 'Paired', 'Accent', 'Dark2',
   'Set1', 'Set2', 'Set3', 'tab10', 'tab20', 'tab20b', 'tab20c']

# Plot the color gradients
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))

# Create figure and adjust figure height to the number of colormaps
nrows = len(cmap_list)
figh = 0.35 + 0.15 + (nrows + (nrows - 1) * 0.1) * 0.22
fig, axs = plt.subplots(nrows=nrows + 1, figsize=(7, figh))
fig.subplots_adjust(top=1 - 0.35 / figh, bottom=0.15 / figh,
   left=0.2, right=0.99)
axs[0].set_title('Qualitative colormaps', fontsize=14)

for ax, name in zip(axs, cmap_list):
   ax.imshow(gradient, aspect='auto', cmap=mpl.colormaps[name])
   ax.text(-0.1, 0.5, name, va='center', ha='left', fontsize=10,
      transform=ax.transAxes)

# Turn off all ticks & spines, not just the ones with colormaps.
for ax in axs:
   ax.set_axis_off()

# Show the plot
plt.show()

输出

执行上述代码后，我们将获得以下输出 -

打印页面