Python畫圖顏色

一、常用的顏色函數

在Python畫圖中，我們最常用的顏色函數就是color或c，通過指定RGB顏色或顏色名稱來設置顏色。

import matplotlib.pyplot as plt

# 使用RGB顏色值設置顏色
plt.plot([0,1,2,3,4],[0,1,4,9,16],color=(0.5,0.5,0.5))
plt.show()

# 使用顏色名稱設置顏色
plt.plot([0,1,2,3,4],[0,1,4,9,16],color='purple')
plt.show()

上述代碼中，我們使用了color函數來設置線條顏色。在第一個例子中，我們通過RGB顏色值(0.5,0.5,0.5)設置線條顏色；在第二個例子中，我們使用了顏色名稱”purple”設置線條顏色。

二、顏色映射

當我們需要在畫圖中使用大量的顏色時，手動指定每個顏色會非常麻煩。Matplotlib提供了顏色映射，可以讓我們方便地將數據轉換為顏色。

使用顏色映射，我們可以使用函數scatter來繪製散點圖，並使用c參數指定數據與顏色的映射關係。

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機數據
np.random.seed(0)
x = np.random.randn(1000)
y = np.random.randn(1000)
colors = np.random.randn(1000)

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

在上述代碼中，我們使用了scatter函數來繪製散點圖。通過c參數指定了顏色數據colors，通過cmap參數指定使用的顏色映射為viridis。運行上述代碼，我們可以看到生成的散點圖中，顏色越深的點對應的數據值越小，顏色越淺的點對應的數據值越大。

三、自定義顏色映射

雖然Matplotlib提供了多種顏色映射，但有時候我們需要自定義顏色映射。我們可以使用LinearSegmentedColormap函數來自定義顏色映射。

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

# 自定義顏色映射
cmap = colors.LinearSegmentedColormap.from_list('my_colormap',['blue','red'])

# 生成隨機數據
np.random.seed(0)
x = np.random.randn(1000)
y = np.random.randn(1000)
colors = np.random.rand(1000)

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

在上述代碼中，我們使用了LinearSegmentedColormap函數來自定義顏色映射。由於自定義顏色映射為從藍色到紅色的漸變效果，所以生成的散點圖同樣呈現從藍色到紅色的漸變色。

四、使用虹色

有時候我們需要使用虹色來繪製圖形，在Matplotlib中可以通過使用 ListedColormap 函數來實現。

import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
import numpy as np

# 定義虹色
colors = ['#9400d3','#4b0082','#0000ff','#00ff00','#ffff00','#ff7f00','#ff0000']
cmap = ListedColormap(colors)

# 生成隨機數據
np.random.seed(0)
x = np.random.randn(1000)
y = np.random.randn(1000)
z = np.sin(x**2+y**2)

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

在上述代碼中，我們通過定義顏色列表colors和ListedColormap函數來定義虹色。然後通過scatter函數來繪製散點圖，通過c參數指定數據與顏色的映射關係，使用我們定義的虹色映射cmap。

五、使用色帶

色帶與顏色映射類似，可以讓數據與顏色之間產生映射關係。在Matplotlib中，我們可以使用Axes對象的imshow函數來繪製色帶。

import matplotlib.pyplot as plt
import numpy as np

# 生成數據
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))

# 繪製色帶
plt.imshow(Z,extent=[-5,5,-5,5],cmap='coolwarm')
plt.colorbar()
plt.show()

在上述代碼中，我們通過meshgrid函數生成了二維的數據Z，並使用imshow函數來繪製色帶。通過extent參數指定坐標軸的範圍，通過cmap參數指定顏色映射。