使用colormap自定义matplotlib图表颜色|极客笔记

使用colormap自定义matplotlib图表颜色

在数据可视化中，选择合适的颜色显得尤为重要。Matplotlib是Python中常用的绘图库之一，而colormap（颜色映射）则是Matplotlib中用来对数据进行可视化编码颜色的方式。本文将介绍如何使用colormap来自定义Matplotlib图表的颜色。

什么是colormap

Colormap是一组颜色的序列，通常在数据可视化中根据数据的大小或者顺序来对色彩进行编码。在Matplotlib中，可以使用colormap使得图表的颜色更加具有意义或者美感。

创建基本的colormap

首先我们来创建基本的colormap。Matplotlib中提供了很多内置的colormap供我们选择，比如viridis、plasma、inferno等等。下面我们来展示如何使用viridis这个colormap。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.scatter(x, y, c=y, cmap='viridis')
plt.colorbar()
plt.show()

Output:

使用colormap自定义matplotlib图表颜色

在上面的例子中，我们生成了一组随机的数据，并使用scatter图来展示数据的分布。通过设置cmap='viridis'来应用viridis这个colormap，从而使得图表的颜色更加清晰和有序。

自定义colormap

如果Matplotlib提供的内置colormap不能满足我们的需求，我们也可以自定义colormap。下面我们来展示如何创建一个自定义的colormap。

import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap

cmap_data = [(0.0, 'red'),
             (0.5, 'green'),
             (1.0, 'blue')]
custom_cmap = LinearSegmentedColormap.from_list('custom_cmap', cmap_data)

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.scatter(x, y, c=y, cmap=custom_cmap)
plt.colorbar()
plt.show()

在上面的例子中，我们使用了LinearSegmentedColormap类来创建一个自定义的colormap。在cmap_data中定义了颜色渐变的起始点、中间点和结束点对应的颜色，然后通过LinearSegmentedColormap.from_list函数创建了自定义的colormap。

colormap的应用场景

Colormap在数据可视化中有着广泛的应用场景，比如展示温度、高度、密度等连续型数据时都可以使用colormap来使得图表更加直观。下面我们来展示一些不同的应用场景。

温度图

import matplotlib.pyplot as plt

data = np.random.rand(10, 10)

plt.imshow(data, cmap='hot')
plt.colorbar()
plt.show()

在上面的例子中，我们使用了hot这个colormap来展示一个随机生成的矩阵数据，通过颜色的深浅来表示数据的大小。

高度图

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

x = np.linspace(-5, 5, 100)
y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
surf = ax.plot_surface(X, Y, Z, cmap='viridis')
fig.colorbar(surf)
plt.show()

在上面的例子中，我们使用了3D图表来展示一个高度图，通过viridis这个colormap来表示高度的大小。