一圖勝千言，使用Python的matplotlib庫，可以快速創(chuàng)建高質(zhì)量的圖形。

我們團(tuán)隊推出一個新的系列教程：Python數(shù)據(jù)可視化，針對初級和中級用戶，將理論和示例代碼相結(jié)合，分別使用matplotlib, seaborn, plotly等工具實現(xiàn)可視化。

本文主題是如何在Matplotlib中使用自定義顏色和colormap。

import osimport requestsimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib as mpl%matplotlib inline

plt.style.use("ggplot")1234567891011

1. 自定義顏色

Matplotlib繪圖接口通常包含’color’參數(shù)，用于指定顏色，參數(shù)接受的數(shù)據(jù)格式包括：

• 表示顏色的英文單詞，如’red’, 'green’, 'blue’等

• RGB或者RGBA元組，RGBA是(red, blue, green, alpha)的縮小，用包含四個浮點值的數(shù)組代表顏色，每個數(shù)字的取值范圍是[0, 1][0,1]

• 十六進(jìn)制RGB或RGBA字符串

• 表示灰度的浮點值字符串，取值范圍[0，1][0，1]，例如’0.5’

• 'bgrcmykw’字符集的其中一個字符，每個字符均表示一種顏色：'b’:藍(lán)色，'g’:綠色，'r’:紅色, 'c’:青色, 'm’:洋紅色, 'y’:黃色, 'k’:黑色,'w’:白色

• X11/CSS4顏色名稱

• xkcd顏色調(diào)查中的名稱，以’xkcd：'開頭（例如，'xkcd：sky blue’；不區(qū)分大小寫）

• “T10”分類調(diào)色板中的Tableau顏色之一（默認(rèn)顏色周期）：{'tab：blue’，'tab：orange’，'tab：green’，'tab：red’，'tab：purple’， 'tab：brown’，'tab：pink’，'tab：gray’，'tab：olive’，'tab：cyan’}

對Python開發(fā)人員而言，前兩種方式應(yīng)該是最常用的。

查看Matplotlib支持的全部顏色名稱：查閱官方文檔。

看一個簡單的例子，分別創(chuàng)建曲線圖，柱狀圖，散點圖，通過參數(shù)’color’指定顏色。

fig, ax = plt.subplots(nrows=3, ncols=2, figsize=(12, 12))ax = ax.flatten()# 曲線圖x = np.linspace(0, 10, 50)y = np.sin(x)ax[0].plot(x, y)ax[0].set_title("Line plot: Default color")ax[1].plot(x, y, color="blue")ax[1].set_title("Line plot: Custom color")# 柱狀圖x = ["a", "b", "c", "d", "e", "f"]y = [1.2, 0.8, 2.5, 0.95, 1.35, 1.58]ax[2].bar(x, y)ax[2].set_title("Bar plot: Default color")ax[3].bar(x, y, color="purple")ax[3].set_title("Bar plot: Custom color")# 散點圖x = np.linspace(0, 3, 50)y = 10 + 2.5 * x + np.random.uniform(2, 10, 50)ax[4].scatter(x, y)ax[4].set_title("Scatter plot: Default color")ax[5].scatter(x, y, c="black")ax[5].set_title("Scatter plot: Custom color")1234567891011121314151617181920212223242526

'color’既可以設(shè)置統(tǒng)一的顏色，也可以單獨設(shè)置每個元素(每條曲線/每根柱子/每個點)的顏色，這時候需要提供一個表示顏色的數(shù)組。

# 以柱狀圖為例x = ["a", "b", "c", "d", "e", "f"]y = [1.2, 0.8, 2.5, 0.95, 1.35, 1.58]# 表示顏色的數(shù)組，這里用字符串表示顏色，也可以使用其它數(shù)據(jù)格式，如RGB或RGBA元組colors = ["red", "blue", "yellow", "gray", "green", "purple"]fig, ax = plt.subplots(figsize=(10, 7))ax.bar(x, y, color=colors)ax.set_title("Different colors for each bar")12345678910

有時候需要按照某個邏輯條件使用不同的顏色。例如一幅表示不同資產(chǎn)收益率的柱狀圖，當(dāng)收益率為正時，柱子顏色設(shè)置為綠色，當(dāng)收益率為負(fù)時，柱子顏色為紅色。這樣做的好處在于突出重點和差異。

實現(xiàn)方法跟上面的例子相似，先根據(jù)邏輯條件創(chuàng)建一個顏色數(shù)組，然后傳遞給’color’參數(shù)。這時候numpy.where()非常有用。

x = ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l"]y = [1.2, 1.5, -0.5, -0.85, 0.58, -0.35, 1.55, 1.05, -1.2, 0.45, 0.58, 0.25]# y > 0, 柱子顏色為綠色，y < 0, 柱子顏色為紅色# 使用np.where()快速實現(xiàn)向量化判斷colors = np.where(np.array(y) > 0, "green", "red")fig, ax = plt.subplots(figsize=(10, 7))ax.bar(x, y, color=colors)ax.set_title("Green bar for positive, Red bar for negative")12345678910

2. 調(diào)色板(COLORMAP)

調(diào)色板(colormap)是一組顏色的集合。Matplotlib提供了很多內(nèi)置調(diào)色板，通過mpl.cm.get_cmap()獲取。

想象一下，如果要為100個元素生成不同的顏色，就要準(zhǔn)備包含100種顏色的顏色列表，自定義顏色會非常耗費時間，這時候調(diào)色板就能解決問題。

合理利用調(diào)色板，可以快速按照需求生成顏色列表。

2.1 創(chuàng)建調(diào)色板，獲取顏色

Matplotlib提供了很多內(nèi)置調(diào)色板，通過mpl.cm.get_cmap()獲取，提供兩個參數(shù)，第一個是調(diào)色板的名稱，另外一個是顏色列表的長度。

# 獲取名為'viridis'的調(diào)色板，顏色列表長度為8，即包含8種顏色cmap = mpl.cm.get_cmap("viridis", 8)# type(cmap)123

colormap對象可以理解為一個N*4N?4的二維表格，N是顏色列表的長度，每一行都是一個(R, G, B, A)元組，元組中每個元素都是取值[0, 1][0,1]的數(shù)字。

顏色列表存儲在colormap.colors屬性中。

cmap.colors1

array([[0.267004, 0.004874, 0.329415, 1.      ],
       [0.275191, 0.194905, 0.496005, 1.      ],
       [0.212395, 0.359683, 0.55171 , 1.      ],
       [0.153364, 0.497   , 0.557724, 1.      ],
       [0.122312, 0.633153, 0.530398, 1.      ],
       [0.288921, 0.758394, 0.428426, 1.      ],
       [0.626579, 0.854645, 0.223353, 1.      ],
       [0.993248, 0.906157, 0.143936, 1.      ]])12345678

注意并非每一個colormap對象都有colors屬性，當(dāng)colormap是ListedColormap類型，有colors屬性，當(dāng)colormap是ListedSegmentedColormap類型時沒有colors屬性。

獲取顏色列表的另一種方法是“索引”。

# 提供一個數(shù)組，長度跟顏色列表長度相同print(cmap(range(8)))  # [0, 1, 2, ... 7]print(cmap(np.linspace(0, 1, 8)))  # [0, 0.1428, 0.2857, ..., 1.0]123

[[0.267004 0.004874 0.329415 1.      ]
 [0.275191 0.194905 0.496005 1.      ]
 [0.212395 0.359683 0.55171  1.      ]
 [0.153364 0.497    0.557724 1.      ]
 [0.122312 0.633153 0.530398 1.      ]
 [0.288921 0.758394 0.428426 1.      ]
 [0.626579 0.854645 0.223353 1.      ]
 [0.993248 0.906157 0.143936 1.      ]]
[[0.267004 0.004874 0.329415 1.      ]
 [0.275191 0.194905 0.496005 1.      ]
 [0.212395 0.359683 0.55171  1.      ]
 [0.153364 0.497    0.557724 1.      ]
 [0.122312 0.633153 0.530398 1.      ]
 [0.288921 0.758394 0.428426 1.      ]
 [0.626579 0.854645 0.223353 1.      ]
 [0.993248 0.906157 0.143936 1.      ]]12345678910111213141516

從上面代碼示例看出，colormap是可調(diào)用對象，傳遞一個[0, 1][0,1]的浮點值可以從顏色列表中獲取一個(R,G,B,A)元組。

為什么任意浮點值可以獲取顏色？因為colormap會使用“最近鄰插值法”從顏色列表中進(jìn)行推斷，生成一個新的RGBA元組。

cmap(0.3)1

(0.212395, 0.359683, 0.55171, 1.0)1

之前創(chuàng)建柱狀圖，自定義了一個顏色列表，現(xiàn)在我們用colormap直接生成一個顏色列表。

x = ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l"]y = [1.2, 1.5, -0.5, -0.85, 0.58, -0.35, 1.55, 1.05, -1.2, 0.45, 0.58, 0.25]# 嘗試四種不同的調(diào)色板，分別生成顏色列表cmap_names = ["viridis", "RdBu", "Set1", "jet"]fig, ax = plt.subplots(nrows=2, ncols=2, figsize=(12, 12))ax = ax.flatten()for i, name in enumerate(cmap_names):
    # 創(chuàng)建colormap對象，顏色列表長度和柱子的數(shù)量相同
    cmap = mpl.cm.get_cmap(name, len(x))
    # 從調(diào)色板中獲取顏色列表
    colors = cmap(np.linspace(0, 1, len(x)))
    # 每根柱子賦予不同的顏色
    ax[i].bar(x, y, color=colors)
    ax[i].set_title(f"Colormap: {name}")1234567891011121314151617

2.2 調(diào)色板類型

我們已經(jīng)學(xué)習(xí)了如何創(chuàng)建colormap對象，以及如何獲取顏色。接下來要考慮的問題是：

1. Matplotlib提供了哪些內(nèi)置colormap？

2. 如何選擇colormap？

Matplotlib提供3種類型的colormap：

• 順序（Sequential）：獨特顏色的一種變體，用于從低到高變化的定量數(shù)據(jù)。

• 發(fā)散（Divergence）：從一種顏色到另一種顏色的變化，用于突出顯示與均值的偏差。

• 定性（Qualitative）：顏色快速變化，主要用于離散或分類數(shù)據(jù)。

從分類可以看出，選擇哪種調(diào)色板取決于數(shù)據(jù)類型。

要查看全部調(diào)色板，請查閱官方文檔。

def plot_colormap(cmap_name):
    fig, ax = plt.subplots(figsize=(6, 2))
    cmap = mpl.cm.get_cmap(cmap_name)
    colors = cmap(np.linspace(0, 1, cmap.N))
    ax.imshow([colors], extent=[0, 10, 0, 1])
    ax.set_xticks([])
    ax.set_yticks([])
    ax.set_title(cmap_name)12345678

順序調(diào)色板, 如’binary’, 'viridis’，用于顯示從低到高變化的定量數(shù)據(jù)。

plot_colormap("viridis")1

發(fā)散調(diào)色板，如’RdBu’,'PuOr’，一種顏色到另一種顏色的快速變化，用于突出數(shù)據(jù)與均值的偏差。

plot_colormap("RdBu")1

定性調(diào)色板, 如’rainbow’, 'jet’，在幾種顏色之間快速變化，用于顯示定性/分類數(shù)據(jù)。

plot_colormap("rainbow")1

2.3 將數(shù)值映射為顏色

有時候我們想把數(shù)值映射為顏色，簡單來說就是數(shù)值大小和顏色亮度等比例變化。

回顧上面的例子，當(dāng)我們創(chuàng)建柱狀圖并賦予每根柱子不同的顏色時，是按照順序從調(diào)色板中獲取顏色的，顏色的亮度與數(shù)值大小并沒有關(guān)聯(lián)，現(xiàn)在我們更進(jìn)一步，根據(jù)數(shù)值大小生成對應(yīng)的顏色，這樣可以獲得更好的可視化效果。

步驟如下：

1. 將數(shù)值變量縮放到[0, 1][0,1]

2. 創(chuàng)建調(diào)色板對象(colormap)

3. 從調(diào)色板中獲取顏色

def num2color(values, cmap):
    """將數(shù)值映射為顏色"""
    norm = mpl.colors.Normalize(vmin=np.min(values), vmax=np.max(values))
    cmap = mpl.cm.get_cmap(cmap)
    return [cmap(norm(val)) for val in values]x = ["a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l"]y = np.arange(6, -6, -1)colors = num2color(y, "RdBu")fig, ax = plt.subplots(figsize=(10, 7))ax.bar(x, y, color=colors)ax.set_title("Barplot: Map numeric data to colors")123456789101112131415

這個映射過程有點麻煩，部分Matplotlib的繪圖接口可以自動完成這個過程。

以散點圖為例，ax.scatter()的兩個參數(shù)’c’, 'cmap’，分別控制要映射的數(shù)值，以及使用的調(diào)色板。

from sklearn.datasets import load_iris# 使用IRIS數(shù)據(jù)集做說明iris = load_iris()iris_df = pd.DataFrame(iris.data, columns=iris.feature_names)# print(iris_df.head())fig, ax = plt.subplots(figsize=(10, 7))ax.scatter(
    x=iris_df["petal length (cm)"],
    y=iris_df["petal width (cm)"],
    c=iris_df["petal length (cm)"],  # 將petal length映射為顏色
    cmap="Blues"  # 選擇調(diào)色板，可以提供字符串，也可以提供colormap對象實例)ax.set_title("Scatter: Map numeric data to colors")123456789101112131415

3. 結(jié)論

本文介紹了如何在Matplotlib中使用顏色，包含自定義顏色和調(diào)色板(colormap)的使用方法。在數(shù)據(jù)可視化中，正確使用顏色不僅能夠使圖表更加美觀，而且有助于利用視覺效果傳達(dá)核心信息。