Matplotlib Cheatsheets色彩系统详解：从基础到高级配色方案
项目地址: https://gitcode.com/gh_mirrors/che/cheatsheets 你是否还在为数据可视化中的色彩搭配而烦恼？是否想让图表既专业又具有视觉冲击力？本文将通过Matplotlib Cheatsheets项目的实战案例，从基础色彩表示到高级配色方案，帮助你全面掌握数据可视化的色彩运用技巧。读完本文，你将能够：掌握5种色彩定义方法、学会选择适合场景的配色方案、解决色彩对比度和可读性问题、制作专业的渐变色图表。
色彩基础表示方法
Matplotlib支持多种色彩表示方式，满足不同场景的需求。在scripts/colors.py中展示了最常用的几种表示方法：
- 原始颜色字符：如'b'（蓝色）、'g'（绿色）、'r'（红色）等，共8种基础颜色
- RGBA元组：通过红、绿、蓝、透明度四个0-1之间的数值定义颜色，如(1, 0, 0, 0.5)表示半透明红色
- 十六进制字符串：以#开头的6位或8位字符串，如"#FF0000BB"表示带透明度的红色
- 颜色周期：使用"C0"到"C9"表示10种预定义的循环颜色
- 灰度值：0到1之间的字符串，如"0.5"表示中灰色
- 颜色名称：如"DarkRed"、"Firebrick"等CSS颜色名称
以下是一个综合示例，展示不同表示方法的应用：
# 多种色彩表示方法示例（源自colors.py）
palettes = {
'raw': ['b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'],
'rgba': [(1, 0, 0), (1, 0, 0, 0.75), (1, 0, 0, 0.50), (1, 0, 0, 0.25)],
'HexRGBA': ["#FF0000", "#FF0000BB", "#FF000088", "#FF000044"],
'cycle': ["C%d" % i for i in range(10)],
'grey': ["%1.1f" % (i/10) for i in range(11)],
'name': ["DarkRed", "Firebrick", "Crimson", "IndianRed", "Salmon"]
}
预定义颜色名称与选择
Matplotlib提供了丰富的预定义颜色名称，包括CSS4颜色和X11颜色。在scripts/colornames.py中，展示了如何获取并可视化所有可用的颜色名称。通过将颜色按色相、饱和度和明度排序，可以更系统地选择颜色。
# 颜色名称排序与可视化（源自colornames.py）
colors = dict(mpl.colors.BASE_COLORS, **mpl.colors.CSS4_COLORS)
by_hsv = sorted((tuple(mpl.colors.rgb_to_hsv(mpl.colors.to_rgba(color)[:3])), name)
for name, color in colors.items())
sorted_names = [name for hsv, name in by_hsv]
常用的颜色名称分类包括：
- 红色系：DarkRed, Firebrick, Crimson, IndianRed, Salmon
- 蓝色系：Navy, DarkBlue, MediumBlue, RoyalBlue, SteelBlue
- 绿色系：DarkGreen, ForestGreen, SeaGreen, MediumSeaGreen, LimeGreen
色彩映射表（Colormaps）详解
色彩映射表（Colormap）是一系列渐变色的集合，用于表示数据的连续变化。scripts/colormaps.py中定义了Matplotlib支持的所有内置色彩映射表，主要分为以下几类：
顺序型色彩映射表
从低到高使用单一色调的渐变，适合表示有顺序的数据。如：
- viridis：从蓝到黄的渐变，是Matplotlib的默认色彩映射表
- plasma：从紫到黄的渐变
- inferno：从黑到黄的渐变
- magma：从黑到红的渐变
- cividis：为色盲友好设计的蓝到黄渐变
发散型色彩映射表
从中间值向两端发散为不同色调，适合表示有中心参考值的数据。如：
- PRGn：从粉到绿的渐变
- PiYG：从粉到黄到绿的渐变
- RdYlGn：从红到黄到绿的渐变
- coolwarm：从蓝到红的渐变
定性型色彩映射表
使用多种不同的色调，没有内在顺序，适合表示分类数据。如：
- tab10：10种不同颜色的分类色彩映射表
- tab20：20种不同颜色的分类色彩映射表
- Pastel1/2：柔和的分类色彩映射表
- Set1/2/3：对比度较高的分类色彩映射表
特殊用途色彩映射表
针对特定场景设计的色彩映射表。如：
- Greys：灰度渐变
- hot：热图色彩映射表
- bone：X光图像风格的色彩映射表
- terrain：地形高度图色彩映射表
以下是色彩映射表的使用示例：
# 色彩映射表使用示例（源自colormaps.py）
cmaps = ('viridis', 'plasma', 'inferno', 'magma', 'cividis',
'PRGn', 'PiYG', 'RdYlGn', 'coolwarm',
'tab10', 'tab20', 'Pastel1', 'Set1',
'Greys', 'Reds', 'Oranges', 'Blues', 'Greens')
for name in cmaps:
Z = np.linspace(0, 1, 256).reshape(1, 256)
ax.imshow(Z, extent=[xmin, xmax, ymin, ymax], cmap=name)
色彩应用实战技巧
色彩范围控制
在可视化中，合理控制色彩范围可以突出数据的分布特征。scripts/tip-color-range.py展示了如何通过设置vmin和vmax参数来控制色彩的显示范围。
# 色彩范围控制示例（源自tip-color-range.py）
np.random.seed(1)
X = np.random.randn(1000, 4)
cmap = plt.get_cmap("Oranges")
colors = [cmap(i) for i in [.1, .3, .5, .7]] # 使用色彩映射表生成特定范围的颜色
ax.hist(X, 2, density=True, histtype='bar', color=colors)
颜色条（Colorbar）设置
颜色条是解释图表中颜色含义的重要组件。scripts/tip-colorbar.py展示了如何添加和自定义颜色条。
# 颜色条设置示例（源自tip-colorbar.py）
np.random.seed(1)
Z = np.random.uniform(0, 1, (8, 8))
cmap = plt.get_cmap("Oranges")
im = ax.imshow(Z, interpolation="nearest", cmap=cmap, vmin=0, vmax=2)
cb = fig.colorbar(im, fraction=0.046, pad=0.04) # 添加颜色条
cb.set_ticks([]) # 自定义颜色条刻度
色彩对比度与可读性
确保文本与背景的色彩对比度足够高，是提升图表可读性的关键。在scripts/colors.py中，通过计算亮度（luminance）来动态选择文本颜色，确保文本在不同背景色上都具有良好的可读性。
# 色彩对比度计算（源自colors.py）
alpha = C[0, :, 3]
rgb = C[0, :, :3] * alpha[:, np.newaxis] + (1 - alpha[:, np.newaxis])
luma = 0.299 * rgb[:, 0] + 0.587 * rgb[:, 1] + 0.114 * rgb[:, 2]
text_color = "black" if luma[i] > 0.5 else "white" # 根据亮度选择文本颜色
项目资源与扩展学习
官方文档与教程
- 项目教程：README.md
- 官方文档：docs/index.rst
色彩相关脚本
- 基础色彩示例：scripts/colors.py
- 色彩映射表示例：scripts/colormaps.py
- 颜色名称示例：scripts/colornames.py
- 色彩范围示例：scripts/tip-color-range.py
- 颜色条示例：scripts/tip-colorbar.py
样式文件
Matplotlib的样式文件可以统一设置图表的色彩风格，项目中提供了多个预定义样式：
通过本文的介绍，你已经掌握了Matplotlib色彩系统的核心知识和实战技巧。合理运用这些色彩工具和方法，将使你的数据可视化作品更加专业、清晰和具有吸引力。建议进一步探索项目中的示例脚本，尝试修改参数来观察色彩变化效果，逐步形成自己的色彩运用风格。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
