python 自定义色带

### 创建或使用自定义色带的方法 在 Python 中，`matplotlib` 和 `seaborn` 提供了多种方法来自定义颜色映射（colormap），以便更好地满足数据可视化的特定需求。以下是实现这一目标的具体方式： #### 使用 Matplotlib 定义自定义色带 可以通过 `LinearSegmentedColormap` 或 `ListedColormap` 来创建自定义的颜色映射。 ##### 方法一：通过 RGB 值构建渐变色带 可以利用已知的 RGB 颜色值来生成平滑过渡的色带。 ```python import matplotlib.colors as mcolors from matplotlib import pyplot as plt import numpy as np cdict = { 'red': [(0.0, 1.0, 1.0), (0.5, 0.0, 0.0), (1.0, 0.0, 0.0)], 'green': [(0.0, 0.0, 0.0), (0.5, 1.0, 1.0), (1.0, 1.0, 1.0)], 'blue': [(0.0, 0.0, 0.0), (0.5, 0.0, 0.0), (1.0, 1.0, 1.0)] } custom_cmap = mcolors.LinearSegmentedColormap('my_colormap', cdict) data = np.random.rand(10,10) plt.imshow(data, cmap=custom_cmap) plt.colorbar() plt.show() ``` 这种方法允许精确控制每种颜色通道的变化过程[^1]。 ##### 方法二：基于离散颜色列表构建色带 如果只需要有限数量的不同颜色，则可以直接指定这些颜色并将其组合成一个新的 colormap。 ```python from matplotlib.colors import ListedColormap colors = ["darkorange", "gold", "lawngreen", "lightseagreen"] cmap = ListedColormap(colors) data = np.arange(100).reshape((10,10)) plt.contourf(data, levels=[-1,0,1,2,3], cmap=cmap) plt.colorbar(ticks=[0,1,2,3]) plt.show() ``` 此技术适用于分类型数据或者希望强调某些区间的情况。 #### Seaborn 支持的自定义色带功能 虽然 seaborn 默认提供了许多预设好的 colormaps ，但它同样支持传入由用户自行设计过的实例作为参数选项之一。 例如，在绘制热力图时可传递一个自定义的 colormap 给函数中的 `cmap` 参数： ```python sns.set_theme() # Load the example flights dataset and convert to long-form flights_long = sns.load_dataset("flights") flights = flights_long.pivot("month", "year", "passengers") # Build a custom diverging palette with specified hues at each end. palette = sns.diverging_palette(h_neg=240, h_pos=10, s=99, l=60, n=7) ax = sns.heatmap(flights, annot=True, fmt="d", linewidths=.5, square=True, cmap=sns.color_palette(palette), center=flights.mean().mean()) ``` 这里展示了如何调用 `diverging_palette()` 函数快速建立双极化配色方案，并应用于 heatmap 上[^2]. 另外值得注意的是，当涉及到复杂场景比如时间序列分析图表(tsplot)，也可以灵活运用类似的思路去定制视觉效果[^4]: --- ### 总结 无论是借助于 matplolib 还是 seaborn 库都可以轻松完成个性化色彩配置的任务。前者给予开发者更大的自由度来进行底层操作；后者则简化了许多常见任务流程的同时还保持了一定程度上的扩展可能性。