python颜色大全
时间: 2025-05-21 17:47:01 浏览: 12
### Python 中 Matplotlib 的颜色列表及相关功能
Matplotlib 提供了多种方式来定义和使用颜色,这些方法可以满足不同场景下的需求。以下是关于 `matplotlib.colors` 和其他相关内容的详细介绍。
#### 1. 使用预定义的颜色名称
Matplotlib 支持 HTML/CSS 颜色名称作为输入参数[^2]。例如:
```python
import matplotlib.pyplot as plt
plt.plot([0, 1], [0, 1], color="lightblue") # 使用 CSS 名称
plt.show()
```
#### 2. RGB/RGBA 值表示法
除了颜色名称外,还可以通过 `(R, G, B)` 或 `(R, G, B, A)` 来指定颜色,其中 R、G、B 表示红绿蓝分量,A 表示透明度,取值范围均为 `[0, 1]`[^1]。
```python
colors = [(1, 0, 0), (0, 1, 0), (0, 0, 1)] # 红、绿、蓝色
for i, c in enumerate(colors):
plt.bar(i, 1, color=c)
plt.show()
```
#### 3. Colormap 定义与应用
Colormap 是一种将数据映射到颜色的方法,在热力图或伪彩图像中非常有用[^4]。可以通过以下方式创建自定义 colormap:
- **内置 colormap**: 如 `viridis`, `coolwarm`, `plasma` 等。
- **自定义 colormap**: 可以基于现有 colormap 进行调整或者完全重新设计。
下面展示如何加载并使用一个内置 colormap:
```python
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
data = np.random.rand(10, 10)
fig, ax = plt.subplots(figsize=(5, 5))
cmap = mpl.cm.viridis # 加载 viridis 色带
cs = ax.pcolormesh(data, cmap=cmap)
fig.colorbar(cs, ax=ax, orientation='vertical')
plt.show()
```
#### 4. Normalization 控制颜色分布
为了更好地控制颜色映射的行为,通常会结合 `Normalize` 类一起使用[^3]。这允许我们手动设置颜色映射的最大最小边界。
```python
from matplotlib.colors import Normalize
norm = Normalize(vmin=data.min(), vmax=data.max())
cs = ax.pcolormesh(data, cmap=cmap, norm=norm)
```
---
### 总结
上述内容涵盖了 Matplotlib 中颜色使用的几种主要形式及其应用场景。无论是简单的条形图还是复杂的多维数据可视化,都可以灵活运用这些工具实现所需效果。
阅读全文
相关推荐














