Python 数据分析——Matplotlib相关知识
第五章 Matplotlib相关知识 —— 样式
文章目录
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')
- 初始化数据
x1 = np.linspace(0.0, 6.0, 100)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
- bmh样式
plt.style.use('bmh')
plt.plot(x1,y1);
- fivethirtyeight 样式
plt.style.use('fivethirtyeight')
plt.plot(x1,y1);
- classic 样式
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'])
- 例子
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='-.')
- 临时
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。
- matplotlib自带颜色对照表
from matplotlib import colors
colors.CSS4_COLORS
1.RGB或RGBA
# 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?数据可视化小组开源项目：《Fantastic-Matplotlib》
2.Matplotlib官方文档