Matplotlib 基础知识——色彩篇

本文详细介绍了Matplotlib中的颜色与透明度设置,包括颜色参数、线型样式、线宽及线条标记,以及如何添加颜色条(colorbar)和选择配色方案。还推荐了几个常用的配色网站。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.颜色与透明度

1.颜色的参数使用color或者c
2.透明度的参数使用alpha
3.在matplotlib中,我们可以使用四种定义颜色的方式,包括:
(1) 标准名,如red代表红色,yellow代表黄色;
(2) 别名,如r代表红色 (red) ,k代表黑色 (black) b代表蓝色 (blue) ;
(3) HTML十六进制字符串,如#000000代表黑色;
(4) 归一化到[0,1]的RGB元组。

x = np.array([1,2,3,4,5])
y2 = x * 2
y3 = x * 3
y4 = x * 4
y5 = x * 5

plt.plot(x,y2,color = 'r',alpha = 0.8)
plt.plot(x,y3,c = 'pink')
plt.plot(x,y4,color = '#00bc12')
plt.plot(x,y5,color = (0,0,0)) # RGB十六进制  255,255,255

2.线型:样式、线宽、线条标记

1.样式的参数名是linestyle或ls
在这里插入图片描述

x = np.array([1,2,3,4,5])

y2 = x * 2
y3 = x * 3
y4 = x * 4
y5 = x * 5

plt.plot(x,y2,linestyle = "-.")
plt.plot(x,y3,linestyle = "dashed")
plt.plot(x,y4,ls = "solid")
plt.plot(x,y5,ls= ":")

2.线宽的参数名是linewidth或lw;

x = np.array([1,2,3,4,5])

y2 = x * 2
y3 = x * 3
y4 = x * 4
y5 = x * 5

plt.plot(x,y2,ls='--',linewidth=1)
plt.plot(x,y3,ls='-',lw=3)
plt.plot(x,y4,ls=':',lw=5)
plt.plot(x,y5,ls='--',lw=7)

3.标记参数名是marker。外,我们也可以设置标记的边线颜色 (markeredgecolor or mec) 与填充色 (markerfacecolor or mfc) 等。

plt.plot(x,y2,ls='-',marker='*',markersize = 13)
plt.plot(x,y3,ls='-',marker='o',markeredgecolor='b',markerfacecolor='red')
plt.plot(x,y4,ls='-',marker='1')
plt.plot(x,y5,ls='-',marker='+',markersize = 12)

在这里插入图片描述

Marker reference: https://matplotlib.org/stable/gallery/lines_bars_and_markers/marker_reference.html
在这里插入图片描述
在这里插入图片描述

3.颜色条(colorbar)

1.在matplotlib中,颜色条 (colorbar) 是一个独立的坐标轴,可以指明图形中颜色的含义
2.可以在绘图函数(或方法)中,通过cmap参数为图形设置colorbar的配色方案(Colormap reference 至支持的颜色)。
3.创建colorbar可以通过(colorbar)函数或者Figure对象的colorbar()方法,参数基本-致: mappable是需要映射的色彩带,这个参数在colorbar方法中是必须的,但在colorbar小函数中是可选的,这是因为类MATLAB接口已经指定了Axes对象。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

常见的配色网站

1.Color Scheme Designer:https://www.chinavid.com/color.html
在这里插入图片描述

2.Colorbrewer:https://colorbrewer2.org/#type=qualitative&scheme=Set2&n=3
在这里插入图片描述

3.Adobe colorhttps://color.adobe.com/zh/create/color-wheel
在这里插入图片描述

参考:立方数据学院、《科研论文配图绘制指南》

### 数据分析可视化的理论基础 数据分析可视化是一种通过图形表示来帮助人们理解复杂数据的技术。以下是数据分析可视化的几个核心理论基础: #### 1. 可视化设计原则和方法 为了使数据更易于理解和解释,需要遵循一定的可视化设计原则。这些原则包括但不限于清晰性、简洁性和一致性[^2]。良好的设计能够减少认知负担,使得观众更容易抓住重点。 #### 2. 视觉感知 人类的大脑擅长识别模式和趋势,因此利用视觉通道传递信息至关重要。这涉及到如何有效地运用颜色、形状以及空间位置等因素来增强用户的感知体验。例如,在选择色彩方案时需考虑对比度与和谐感;对于时间序列图,则可能优先采用线条连接各点以显示变化轨迹。 #### 3. 视觉编码 这是指将抽象的数据映射为具体的图像元素的过程。常见的视觉变量有大小(Size)、长度(Length)、角度(Angle)等。合理分配这些属性可以帮助突出重要特征或者揭示隐藏关系。 #### 4. 工具支持 目前市面上存在多种面向不同需求层次的可视化软件包或库,比如Matplotlib, Seaborn用于Python环境下的基本绘图功能实现; 而像D3.js则提供了更为灵活强大的Web端交互式图表构建能力[^3]。 #### 5. 数据挖掘过程中的角色定位 在整个数据科学项目生命周期里,从初始阶段的问题定义到最后一步的知识同化,每一个环节都离不开有效的沟通手段——即恰当形式的表现手法[^4]。特别是在结果呈现部分,往往借助于各种统计图表配合文字说明共同作用下达成最终目标。 综上所述,掌握上述提到的各项技能要点不仅有助于提升个人专业素养水平,同时也为企业决策提供强有力的支持依据。 ```python import matplotlib.pyplot as plt import numpy as np # Example of creating a simple line chart using Matplotlib. x = np.linspace(0, 10, 100) y = np.sin(x) plt.plot(x, y, label='Sine Wave') plt.title('Simple Line Chart') plt.xlabel('X-axis Label') plt.ylabel('Y-axis Label') plt.legend() plt.show() ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值