matplotlib样式和颜色

本笔记参考：

matplotlib Plotting Cookbook by Alexandre Devert

Plot types — Matplotlib 3.9.3 documentation

（尝试记录并不断完善matplotlib的使用方法笔记，为后面使用提供参考。）

颜色

Matplotlib支持使用各种颜色和 colormap 来可视化信息。下面是一些常见的定义颜色方式.

• RGB或RGBA（红、绿、蓝、透明度）在闭区间[0, 1]内的浮点数元组。
• 不区分大小写的十六进制RGB或RGBA字符串。
• 表示灰度值的浮点数在闭区间 [0, 1] 内的字符串形式。
• 某些基本颜色的单字符简写表示法。
• 以上颜色格式之一和一个alpha浮点数的元组。（颜色的alpha值指定其透明度，其中0表示完全透明，1表示完全不透明。当颜色为半透明时，背景颜色会透出。）

基本颜色表：

 曲线图

曲线图颜色设置通过plt.plot()函数参数color实现。

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-np.pi, np.pi, 100)
y=np.sin(x)
y_1 = np.cos(x)

plt.plot(x,y,color='.5',label='sin(x)')
plt.plot(x,y_1,color='k',label='cos(x)')
plt.legend()
plt.show()

散点图

散点图函数plt.scatter()提供了通过参数控制颜色的两种选择：所有点同色，或每个点有自己的颜色。

所有点同色（三组数据）：

import numpy as np
import matplotlib.pyplot as plt

data_1 = np.random.random((100,2))
data_2 = np.random.random((100,2))
data_3 = np.random.random((100,2))

fig, ax = plt.subplots()
ax.scatter(data_1[:,0], data_1[:,1],color='r')
ax.scatter(data_2[:,0], data_2[:,1],color='k')
ax.scatter(data_3[:,0], data_3[:,1],color='.5')
plt.show()

每个点有自己的颜色（一组数据）：

import numpy as np
import matplotlib.pyplot as plt

data = np.random.random((100,2))

colors = ['r','g','b','k']
color_list = []
[color_list.append(i) for i in colors*25 ]
# 列表推导式，等价于
# for color in colors*25:
#     color_list.append(color)

fig,ax = plt.subplots()
ax.scatter(data[:,0], data[:,1],color=color_list,edgecolor='k')
plt.show()

 使用colormaps：

Matplotlib 有许多内置的 colormap，可以通过 matplotlib.colormaps 访问。还有一些外部库提供了许多额外的 colormap，可以在 Matplotlib 文档的第三方 colormap 部分查看。

要获取所有已注册的颜色映射列表，可以执行：

from matplotlib import colormaps
list(colormaps)

 colormaps 定义在matplotlib.cm模块中。在绘图函数中，使用cmap参数接收colormap。

import matplotlib.cm as cm
import numpy as np
import matplotlib.pyplot as plt

t=np.linspace(0,2*np.pi,1000)
x=16*(np.sin(t))**3
y=13*np.cos(t)-5*np.cos(2*t)-2*np.cos(3*t)-np.cos(4*t)


fig, ax = plt.subplots(figsize=(8,8))
ax.scatter(x,y,c=x,cmap=cm.hsv)
ax.set_aspect('equal')
ax.axis('off')

plt.show()

注意上图是散点图，只是点比较多看起来像连在一起一样。 

条形图

和前面一样，条形图的颜色同样由参数控制。下面是一个简单示例：

import numpy as np
import matplotlib.pyplot as plt

y_1 = np.random.random(5)
y_2 = np.random.random(5)
x = np.arange(5)

fig, axs = plt.subplots(2,2)
axs[0,0].bar(x,y_1,color='r')
axs[0,1].bar(x,-y_2,color='b')
axs[1,0].bar(x,-y_2,color='b')
axs[1,0].bar(x,y_1,color='r')
axs[1,1].axis('off')
fig.tight_layout()
plt.show()

import numpy as np
import matplotlib.pyplot as plt

Y = np.random.random(32)
X = np.arange(32)

colors=['r','g','b','k']
color_list = []
for i in range(32):
    if i<8:
        color_list.append(colors[0])
    elif i<16:
        color_list.append(colors[1])
    elif i<24:
        color_list.append(colors[2])
    else:
        color_list.append(colors[3])

plt.bar(X,Y,color=color_list)
plt.show()

matplotlib 的 bar 图本身并不直接支持使用 colormap 来自动分配颜色。但是，可以通过一些额外的代码来实现根据 colormap 为每个柱状图分配颜色。 matplotlib中有辅助函数可以明确地从colormap中生成颜色。

plt.show()
#%%
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as colors
import matplotlib.cm as cm

data = np.random.randn(100)
x = np.arange(len(data))
cmap = cm.ScalarMappable(colors.Normalize(),cm.hsv)
colors = cmap.to_rgba(data)

plt.bar(x,data,color=colors)
plt.show()

饼图

饼图接受颜色的可选参数，并且如果给的颜色数量少于分块的数量，颜色会循环使用。

import numpy as np
import matplotlib.pyplot as plt

X = np.random.random(7)
colors = ['b','c','m','y']

plt.pie(X,colors=colors)# 注意参数名称和前面的差异
plt.show()

箱图

import numpy as np
import matplotlib.pyplot as plt

X = np.random.randn(1000)

fig, ax = plt.subplots()
b=ax.boxplot(X)
for name,line_list in b.items():
    for line in line_list:
        line.set_color('k')

plt.show()

样式

线形和线宽

线性

可以使用字符串 "solid"、"dotted"、"dashed" 或 "dashdot" 定义简单的线型。通过提供一个虚线元组 (offset, (onoffseq)) 可以实现更精细的控制。具体参考Linestyles — Matplotlib 3.9.3 documentation

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, 100)
y_1 = np.sin(x)
y_2 = np.cos(x)
y_3 = np.sin(x)+np.cos(x)

plt.plot(x,y_1,color='r',label='sin(x)',linestyle='--')
plt.plot(x,y_2,color='b',label='cos(x)',linestyle='solid')
plt.plot(x,y_3,color='k',label='sin(x)',linestyle='dashdot')
plt.legend()
plt.show()

任何由线条组成的图形都可以进行此类设置。例如，在条形图中，条形的线框就可以进行这种设置。

import matplotlib.pyplot as plt

Y = [1,5,3,6,8,1]
x = np.arange(len(Y))

plt.bar(x,Y,color='b',linestyle='--',edgecolor='r')
plt.show()

线宽

和线性类似，线宽通过参数linewidth控制。

import numpy as np
import matplotlib.pyplot as plt

X = np.linspace(-np.pi, np.pi, 100)
y = np.sin(X)
y_1 = np.cos(X)

plt.plot(X,y,color='r',label='sin(x)',linewidth=2)
plt.plot(X,y_1,color='b',label='cos(x)',linewidth=5)
plt.legend()

plt.show()

填充样式

plt.bar()函数可以接受一个参数hatch,该参数可以取：

颜色由edgecolor控制。

import numpy as np
import matplotlib.pyplot as plt

X = np.linspace(1,10,10)
y = np.sin(X)

plt.bar(X,y,color='m',hatch='\\',width=0.3,edgecolor='y')
plt.bar(X+0.5,y,color='r',hatch='O',width=0.3,edgecolor='y')
plt.show()

注意\时要使用\\。 

标记样式

标记的实现方式可以通过使用预定的标记，也有更高级的，比如自定义标记等。高级的部分难度比较大，所以这里暂时只考虑预定的。

所有可能的标记参考这里：

matplotlib.markers — Matplotlib 3.9.3 documentation

这里列出几个常见的：

"."		点
","		像素
"o"		圆
"v"		倒三角
"^"		正三角

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, 100)
y = np.sin(x)
plt.plot(x,y,label='sin(x)',marker='o',color='r',markevery=10)
# markevery 参数控制每隔多少点标记
plt.scatter(x,y+1,label='sin(x)',marker=',',color='m')
plt.legend()
plt.show()

标记的大小可以通过参数控制，散点图中，参数为s，可以接受一系列值，在曲线图中，参数为markersize，不接受一些列值。

import numpy as np
import matplotlib.pyplot as plt

X = np.linspace(-np.pi, np.pi, 100)
data = np.random.uniform(-np.pi,np.pi,(100,2))
Y = np.sin(X)
s = np.linspace(0,10,len(X))
plt.plot(X,Y,color='b',label='sin(x)',linewidth=2,marker='o',markersize=5,markevery=10)
plt.scatter(data[:,0],data[:,1],color='r',label='random',s = s,marker='^')
plt.legend()
plt.show()

还可以通过参数markeredgewidth,markerfacecolor,markeredgecolor对曲线标记进行更多设置。

根据参考书目，在matplotlib中，各种对象，比如轴、图形和标签都可以单独处理。所有matplotlib对象都从集中配置对象中选择其默认颜色。在matplotlib中，rc为作为中央配置的对象。每个matplotlib对象都会从该rc对象中选择其默认设置。该对象包含一组属性和相关值。

 所以我们可以通过每个对象单独设置颜色，也可以统一设置。

import numpy as np
import matplotlib.pyplot as plt

al_v = 0
be_v = 1
theta_v = np.linspace(0, 3*np.pi, 1000)
r = al_v + be_v*theta_v
fig,ax = plt.subplots(subplot_kw=dict(projection='polar'))
ax.plot(theta_v,r,linewidth=2,color='r')
fig.set_facecolor('c')
ax.set_facecolor('m')
plt.show()

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

# 设置全局默认参数
mpl.rc('lines', linewidth=2)  # 线条宽度
mpl.rc('axes', facecolor='m')  # 绘图区域背景颜色
mpl.rc('figure', facecolor='c')  # 图表背景颜色

al_v = 0
be_v = 1
theta_v = np.linspace(0, 3*np.pi, 1000)
r = al_v + be_v*theta_v
fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))

# 绘制螺旋线
ax.plot(theta_v, r, color='r')

# 如果需要更改坐标轴的颜色，可以在这里添加相应的代码

plt.show()