Matplotlib - 颜色映射

颜色映射（通常称为颜色表或调色板）是一组按特定顺序排列的颜色，用于直观地表示数据。请参见下图以供参考：

在Matplotlib的上下文中，颜色映射在将数值映射到各种绘图中的颜色方面起着至关重要的作用。Matplotlib 提供内置的颜色映射和外部库（如 Palettable），甚至允许我们创建和操作自己的颜色映射。

Matplotlib 中的颜色映射

Matplotlib 提供许多内置的颜色映射，例如“viridis”或“copper”，这些可以通过matplotlib.colormaps容器访问。它是一个通用的注册实例，返回一个颜色映射对象。

示例

以下示例获取 matplotlib 中所有已注册颜色映射的列表。

from matplotlib import colormaps
print(list(colormaps))

输出

['magma', 'inferno', 'plasma', 'viridis', 'cividis', 'twilight', 'twilight_shifted', 'turbo', 'Blues', 'BrBG', 'BuGn', 'BuPu', 'CMRmap', 'GnBu', 'Greens', 'Greys', 'OrRd', 'Oranges', 'PRGn', 'PiYG', 'PuBu', 'PuBuGn', 'PuOr', 'PuRd', 'Purples', 'RdBu', 'RdGy', 'RdPu', 'RdYlBu', 'RdYlGn', 'Reds', 'Spectral', 'Wistia', 'YlGn', 'YlGnBu', 'YlOrBr', 'YlOrRd', 'afmhot', 'autumn', 'binary', 'bone', 'brg', 'bwr', 'cool', 'coolwarm', 'copper', 'cubehelix', 'flag', 'gist_earth', 'gist_gray', 'gist_heat', 'gist_ncar', 'gist_rainbow', 'gist_stern', 'gist_yarg', 'gnuplot', 'gnuplot2', 'gray', 'hot', 'hsv', 'jet', 'nipy_spectral', 'ocean', …]

访问颜色映射及其值

您可以使用matplotlib.colormaps['viridis']获取命名颜色映射，它返回一个颜色映射对象。获得颜色映射对象后，您可以通过重新采样颜色映射来访问其值。在这种情况下，viridis是一个颜色映射对象，当传递 0 到 1 之间的浮点数时，它会从颜色映射返回一个 RGBA 值。

示例

这是一个访问颜色映射值的示例。

import matplotlib 
viridis = matplotlib.colormaps['viridis'].resampled(8)
print(viridis(0.37))

输出

(0.212395, 0.359683, 0.55171, 1.0)

创建和操作颜色映射

Matplotlib 提供了创建或操作您自己的颜色映射的灵活性。此过程涉及使用ListedColormap或LinearSegmentedColormap类。

使用 ListedColormap 创建颜色映射

ListedColormaps类可用于通过提供颜色规范列表或数组来创建自定义颜色映射。您可以使用它来使用颜色名称或 RGB 值构建新的颜色映射。

示例

以下示例演示如何使用具有特定颜色名称的ListedColormap类创建自定义颜色映射。

import matplotlib as mpl
from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt
import numpy as np

# Creating a ListedColormap from color names
colormaps = [ListedColormap(['rosybrown', 'gold', "crimson", "linen"])]

# Plotting examples
np.random.seed(19680801)
data = np.random.randn(30, 30)
n = len(colormaps)

fig, axs = plt.subplots(1, n, figsize=(7, 3), layout='constrained', squeeze=False)
for [ax, cmap] in zip(axs.flat, colormaps):
   psm = ax.pcolormesh(data, cmap=cmap, rasterized=True, vmin=-4, vmax=4)
   fig.colorbar(psm, ax=ax)

plt.show()

输出

执行上述程序后，您将获得以下输出：

使用 LinearSegmentedColormap 创建颜色映射

LinearSegmentedColormap类允许通过指定锚点及其对应的颜色来进行更多控制。这使得能够创建具有插值值的颜色映射。

示例

以下示例演示如何使用具有特定颜色名称列表的LinearSegmentedColormap类创建自定义颜色映射。

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

# Creating a LinearSegmentedColormap from a list
colors = ["rosybrown", "gold", "lawngreen", "linen"]
cmap_from_list = [LinearSegmentedColormap.from_list("SmoothCmap", colors)]

# Plotting examples
np.random.seed(19680801)
data = np.random.randn(30, 30)
n = len(cmap_from_list)

fig, axs = plt.subplots(1, n, figsize=(7, 3), layout='constrained', squeeze=False)
for [ax, cmap] in zip(axs.flat, cmap_from_list):
   psm = ax.pcolormesh(data, cmap=cmap, rasterized=True, vmin=-4, vmax=4)
   fig.colorbar(psm, ax=ax)

plt.show()

输出

执行上述程序后，您将获得以下输出：

反转颜色映射

可以使用colormap.reversed()方法反转颜色映射。这将创建一个新的颜色映射，它是原始颜色映射的反转版本。

示例

此示例生成原始颜色映射及其反转版本的并排可视化。

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

# Define a list of color values in hexadecimal format
colors = ["#bbffcc", "#a1fab4", "#41b6c4", "#2c7fb8", "#25abf4"]

# Create a ListedColormap with the specified colors
my_cmap = ListedColormap(colors, name="my_cmap")

# Create a reversed version of the colormap
my_cmap_r = my_cmap.reversed()

# Define a helper function to plot data with associated colormap
def plot_examples(colormaps):
   np.random.seed(19680801)
   data = np.random.randn(30, 30)
   n = len(colormaps)
   fig, axs = plt.subplots(1, n, figsize=(n * 2 + 2, 3), layout='constrained', squeeze=False)
    
   for [ax, cmap] in zip(axs.flat, colormaps):
      psm = ax.pcolormesh(data, cmap=cmap, rasterized=True, vmin=-4, vmax=4)
      fig.colorbar(psm, ax=ax)
   plt.show()

# Plot the original and reversed colormaps
plot_examples([my_cmap, my_cmap_r])

输出

执行上述程序后，您将获得以下输出：

更改默认颜色映射

要更改所有后续绘图的默认颜色映射，您可以使用mpl.rc()修改默认颜色映射设置。

示例

这是一个通过修改全局 Matplotlib 设置（如 mpl.rc('image', cmap='RdYlBu_r')）将默认颜色映射更改为RdYlBu_r的示例。

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

# Generate random data 
data = np.random.rand(4, 4)

# Create a figure with two subplots
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(7, 4))

# Plot the first subplot with the default colormap
ax1.imshow(data)
ax1.set_title("Default colormap")

# Set the default colormap globally to 'RdYlBu_r'
mpl.rc('image', cmap='RdYlBu_r')

# Plot the modified default colormap
ax2.imshow(data)
ax2.set_title("Modified default colormap")

# Display the figure with both subplots
plt.show()

输出

执行上述代码后，我们将获得以下输出：

通过颜色映射绘制带颜色的线条

要通过颜色映射绘制具有不同颜色的多条线，您可以利用 Matplotlib 的 plot() 函数以及颜色映射来为每条线分配不同的颜色。

示例

以下示例通过迭代范围并使用 plot() 函数中的 color 参数从颜色映射中为每条线分配不同的颜色来绘制多条线。

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True

# Generate x and y data
x = np.linspace(0, 2 * np.pi, 64)
y = np.exp(x)

# Plot the initial line
plt.plot(x, y)

# Define the number of lines and create a colormap
n = 20
colors = plt.cm.rainbow(np.linspace(0, 1, n))

# Plot multiple lines with different colors using a loop
for i in range(n):
   plt.plot(x, i * y, color=colors[i])

plt.xlim(4, 6)
plt.show()

输出

执行上述代码后，我们将获得以下输出：

打印页面