Py小趴

Py小趴

关注
发信
关注(28)粉丝(399)

菜鸟笔记-14Python绘图颜色使用

Python中绘图主要依赖于各种库，其中matplotlib是最常用且功能强大的一个。在matplotlib中，你可以使用各种颜色来表示不同的数据点、线条或填充区域。下面我将详细介绍如何在Python中使用matplotlib来设置绘图颜色，并给出具体的例子。

14.1颜色的表示方式

  1. 颜色名称：直接使用英文颜色名称，如red、blue、green、yellow等。
  2. 十六进制颜色代码：以#开头，后面跟着6个十六进制数字，表示RGB颜色。例如，#FF0000表示红色。
  3. RGB元组：一个包含三个介于0到1之间浮点数的元组，分别代表红色、绿色和蓝色的强度。例如，(1.0, 0.0, 0.0)表示红色。
  4. RGBA元组：与RGB元组类似，但多了一个表示透明度的值（Alpha），范围也是0到1。例如，(1.0, 0.0, 0.0, 0.5)表示半透明的红色。

14.2举例说明 

14.2.1图像呈现

菜鸟笔记-14Python绘图颜色使用-LMLPHP

14.2.2代码

import numpy as np  # 导入numpy库，用于处理数组和数值计算
import matplotlib.pyplot as plt  # 导入matplotlib的绘图模块，用于可视化
from matplotlib import rcParams  # 从matplotlib中导入rcParams，它用于处理matplotlib的配置参数

# 定义一个字典config，其中包含字体、大小和其他相关的配置参数
config = {"font.family": 'serif', "font.size": 10.5, "mathtext.fontset": 'stix', "font.serif": ['SimSun']}
rcParams.update(config)  # 使用config字典中的配置参数更新rcParams
plt.rcParams['axes.unicode_minus'] = False  # 运行配置参数总的轴（axes）正常显示正负号（minus）


# 创建一些数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建一个新的图形和坐标轴
fig, ax = plt.subplots()

# 使用颜色名称绘制第一条线
ax.plot(x, y1, color='red', label='sin(x)')

# 使用十六进制颜色代码绘制第二条线
ax.plot(x, y2, color='#00FF00', label='cos(x)')

# 使用RGB元组绘制第三条线（这里还是红色）
ax.plot(x, y1 + 0.5, color=(1.0, 0.0, 0.0), linestyle='--', label='sin(x) + 0.5')

# 使用RGBA元组绘制第四条线（半透明的蓝色）
ax.plot(x, y2 - 0.5, color=(0.0, 0.0, 1.0, 0.5), linestyle='-.', label='cos(x) - 0.5')

# 添加图例
ax.legend()

# 显示图形
plt.show()

14.3直接颜色

定义：直接颜色通常指的是通过颜色的名称来指定颜色，如“red”、“blue”、“green”等。

14.3.1绘图颜色罗列

以下是按照中文-英文的顺序罗列的所有英文颜色名称：

  1. 爱丽丝蓝 - aliceblue
  2. 古董白 - antiquewhite
  3. 水绿色 - aqua
  4. 绿松石色 - aquamarine
  5. 天蓝色 - azure
  6. 米色 - beige
  7. 桔黄色 - bisque
  8. 黑色 - black
  9. 漂白杏色 - blanchedalmond
  10. 蓝色 - blue
  11. 蓝紫色 - blueviolet
  12. 棕色 - brown
  13. 栗色 - burlywood
  14. 军蓝色 - cadetblue
  15. 黄绿色 - chartreuse
  16. 巧克力色 - chocolate
  17. 珊瑚色 - coral
  18. 矢车菊蓝 - cornflowerblue
  19. 米绸色 - cornsilk
  20. 深红色 - crimson
  21. 青色 - cyan
  22. 深蓝色 - darkblue
  23. 深青色 - darkcyan
  24. 深金黄色 - darkgoldenrod
  25. 深灰色 - darkgray
  26. 深绿色 - darkgreen
  27. 深灰色（同darkgray） - darkgrey
  28. 深卡其色 - darkkhaki
  29. 深洋红色 - darkmagenta
  30. 深橄榄绿 - darkolivegreen
  31. 深桔黄色 - darkorange
  32. 深兰花色 - darkorchid
  33. 深红色 - darkred
  34. 深肉色 - darksalmon
  35. 深海绿色 - darkseagreen
  36. 深石板蓝色 - darkslateblue
  37. 深石板灰色 - darkslategray
  38. 深石板灰色（同darkslategray） - darkslategrey
  39. 深青绿色 - darkturquoise
  40. 深紫色 - darkviolet
  41. 深粉红色 - deeppink
  42. 深天蓝色 - deepskyblue
  43. 暗灰色 - dimgray
  44. 暗灰色（同dimgray） - dimgrey
  45. 道奇蓝 - dodgerblue
  46. 砖红色 - firebrick
  47. 花白色 - floralwhite
  48. 森林绿 - forestgreen
  49. 紫红色 - fuchsia
  50. 淡黄色 - gainsboro
  51. 幽灵白 - ghostwhite
  52. 金色 - gold
  53. 金黄色 - goldenrod
  54. 灰色 - gray
  55. 灰色（同gray） - grey
  56. 绿色 - green
  57. 黄绿色 - greenyellow
  58. 蜜色 - honeydew
  59. 热粉红色 - hotpink
  60. 印度红 - indianred
  61. 靛青色 - indigo
  62. 象牙色 - ivory
  63. 卡其色 - khaki
  64. 淡紫色 - lavender
  65. 淡紫红 - lavenderblush
  66. 草绿色 - lawngreen
  67. 柠檬绸色 - lemonchiffon
  68. 淡蓝色 - lightblue
  69. 淡珊瑚色 - lightcoral
  70. 淡青色 - lightcyan
  71. 浅金黄色 - lightgoldenrodyellow
  72. 淡灰色 - lightgray
  73. 淡绿色 - lightgreen
  74. 淡灰色（同lightgray） - lightgrey
  75. 淡粉红色 - lightpink
  76. 淡肉色 - lightsalmon
  77. 淡海绿色 - lightseagreen
  78. 淡天蓝色 - lightskyblue
  79. 淡石板灰色 - lightslategray
  80. 淡石板灰色（同lightslategray） - lightslategrey
  81. 淡钢蓝色 - lightsteelblue
  82. 淡黄色 - lightyellow
  83. 酸橙色 - lime
  84. 酸橙绿色 - limegreen
  85. 亚麻色 - linen
  86. 洋红色 - magenta
  87. 栗色 - maroon
  88. 中等宝石绿 - mediumaquamarine
  89. 中等蓝色 - mediumblue
  90. 中兰花色 - mediumorchid
  91. 中紫色 - mediumpurple
  92. 中海绿色 - mediumseagreen
  93. 中暗蓝色 - mediumslateblue
  94. 春绿色 - mediumspringgreen
  95. 中青绿色 - mediumturquoise
  96. 中紫罗兰红色 - mediumvioletred
  97. 午夜蓝 - midnightblue
  98. 薄荷奶油色 - mintcream

14.3.2颜色对比 

14.3.2.1图像呈现

菜鸟笔记-14Python绘图颜色使用-LMLPHP

14.3.2.2代码
import numpy as np  # 导入numpy库，用于处理数组和数值计算
import matplotlib.pyplot as plt  # 导入matplotlib的绘图模块，用于可视化
from matplotlib import rcParams  # 从matplotlib中导入rcParams，它用于处理matplotlib的配置参数

# 定义一个字典config，其中包含字体、大小和其他相关的配置参数
config = {"font.family": 'serif', "font.size": 10.5, "mathtext.fontset": 'stix', "font.serif": ['SimSun']}
rcParams.update(config)  # 使用config字典中的配置参数更新rcParams
plt.rcParams['axes.unicode_minus'] = False  # 运行配置参数总的轴（axes）正常显示正负号（minus）
# 选择一部分颜色名称进行对比
colors = ['red', 'green', 'blue', 'yellow', 'cyan', 'magenta', 'black', 'white']

# 创建数据
N = len(colors)
ind = np.arange(N)  # 条形图的x位置
width = 0.35  # 条形图的宽度

# 创建条形图
fig, ax = plt.subplots()
rects1 = ax.bar(ind, [1] * N, width, color=colors)

# 添加一些文本，用于解释每个条形图
ax.set_ylabel('Value')
ax.set_title('色彩对比')
ax.set_xticks(ind)
ax.set_xticklabels(colors)

# 自动调整x轴标签的位置
ax.set_xticklabels(colors, rotation=45)

# 显示图形
plt.show()

14.4十六进制颜色代码

定义：十六进制颜色代码是一种使用十六进制数表示颜色的方式，通常以#RRGGBB（不带透明度）或#RRGGBBAA（带透明度）的形式出现，其中RR、GG、BB分别代表红色、绿色和蓝色的强度，AA代表透明度。

14.4.1常见颜色代码

  1. 白色 - #FFFFFF
  2. 黑色 - #000000
  3. 红色 - #FF0000
  4. 绿色 - #00FF00
  5. 蓝色 - #0000FF
  6. 黄色 - #FFFF00
  7. 紫色 - #800080
  8. 灰色 - #808080
  9. 银色 - #C0C0C0
  10. 粉红色 - #FFC0CB
  11. 橙色 - #FFA500
  12. 棕色 - #A52A2A
  13. 深蓝色 - #00008B
  14. 天蓝色 - #ADD8E6
  15. 青色 - #00FFFF
  16. 海蓝色 - #4682B4
  17. 橄榄色 - #808000
  18. 桃红色 - #FFB6C1
  19. 金色 - #FFD700
  20. 巧克力色 - #C15500

14.4.2 图像呈现

菜鸟笔记-14Python绘图颜色使用-LMLPHP

14.4.3绘图代码 

import numpy as np  # 导入numpy库，用于处理数组和数值计算
import matplotlib.pyplot as plt  # 导入matplotlib的绘图模块，用于可视化
from matplotlib import rcParams  # 从matplotlib中导入rcParams，它用于处理matplotlib的配置参数

# 定义一个字典config，其中包含字体、大小和其他相关的配置参数
config = {"font.family": 'serif', "font.size": 10.5, "mathtext.fontset": 'stix', "font.serif": ['SimSun']}
rcParams.update(config)  # 使用config字典中的配置参数更新rcParams
plt.rcParams['axes.unicode_minus'] = False  # 运行配置参数总的轴（axes）正常显示正负号（minus）
import matplotlib.pyplot as plt
import numpy as np

# 创建一些示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 使用十六进制颜色代码绘制线
plt.plot(x, y, color='#FF0000')  # 红色线

# 使用另一个十六进制颜色代码绘制散点
plt.scatter(x[::10], y[::10], color='#00FF00')  # 绿色散点

# 设置图表标题和坐标轴标签
plt.title('使用十六进制颜色代码绘图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 显示图表
plt.show()

使用十六进制颜色代码的好处是它们提供了一种直观且精确的方式来指定颜色，特别是当你需要使用特定的品牌颜色或设计颜色时。

14.5RGB元组

定义：RGB元组是一种使用三个整数（范围通常为0-255）分别表示红色、绿色和蓝色通道强度的颜色表示方式。这三个值可以任意组合，形成各种不同的颜色。通过调整RGB元组中的值，你可以得到几乎无限多种颜色。每个颜色都可以通过调整红、绿、蓝三种颜色的强度来精确控制。在某些绘图库（如Matplotlib）中，也可能使用0-1范围内的浮点数表示。

14.5.1常见颜色

  • 红色：(255, 0, 0)
  • 绿色：(0, 255, 0)
  • 蓝色：(0, 0, 255)
  • 黑色：(0, 0, 0)
  • 白色：(255, 255, 255)
  • 黄色：(255, 255, 0)
  • 青色：(0, 255, 255)
  • 紫色：(128, 0, 128)
  • 灰色（50%）：(128, 128, 128)
  • 棕色：(165, 42, 42)
  • 粉红色：(255, 192, 203)
  • 橙色：(255, 165, 0)

14.5.2图像呈现

菜鸟笔记-14Python绘图颜色使用-LMLPHP

14.5.3绘图代码 

import numpy as np  # 导入numpy库，用于处理数组和数值计算
import matplotlib.pyplot as plt  # 导入matplotlib的绘图模块，用于可视化
from matplotlib import rcParams  # 从matplotlib中导入rcParams，它用于处理matplotlib的配置参数

# 定义一个字典config，其中包含字体、大小和其他相关的配置参数
config = {"font.family": 'serif', "font.size": 10.5, "mathtext.fontset": 'stix', "font.serif": ['SimSun']}
rcParams.update(config)  # 使用config字典中的配置参数更新rcParams
plt.rcParams['axes.unicode_minus'] = False  # 运行配置参数总的轴（axes）正常显示正负号（minus）


# 创建一些示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 使用RGB元组绘制线（值范围必须在0到1之间）
plt.plot(x, y, color=(1, 0, 0))  # 红色线，RGB值转换为0-1范围

# 使用另一个RGB元组绘制散点（值范围必须在0到1之间）
plt.scatter(x[::10], y[::10], color=(0, 1, 0))  # 绿色散点，RGB值转换为0-1范围

# 设置图表标题和坐标轴标签
plt.title('使用RGB元组绘图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 显示图表
plt.show()

14.6RGBA元组

定义：RGBA元组是RGB元组的扩展，增加了一个表示透明度的通道（A）。由四个整数值组成，分别代表红色、绿色、蓝色和透明度（Alpha）的强度。这三个颜色通道（RGB）的值范围通常是0到255，而透明度通道（A）的值范围通常是0（完全透明）到1（完全不透明）或者0到255。

14.6.1常见颜色

# 红色，完全不透明  
rgba_255_red = (255, 0, 0, 255)  
  
# 绿色，50%透明  
rgba_255_green_half_transparent = (0, 255, 0, 128)  
  
# 蓝色，完全透明  
rgba_255_blue_transparent = (0, 0, 255, 0)

14.6.2图像呈现

菜鸟笔记-14Python绘图颜色使用-LMLPHP

14.6.3绘图代码

import numpy as np  # 导入numpy库，用于处理数组和数值计算
import matplotlib.pyplot as plt  # 导入matplotlib的绘图模块，用于可视化
from matplotlib import rcParams  # 从matplotlib中导入rcParams，它用于处理matplotlib的配置参数

# 定义一个字典config，其中包含字体、大小和其他相关的配置参数
config = {"font.family": 'serif', "font.size": 10.5, "mathtext.fontset": 'stix', "font.serif": ['SimSun']}
rcParams.update(config)  # 使用config字典中的配置参数更新rcParams
plt.rcParams['axes.unicode_minus'] = False  # 运行配置参数总的轴（axes）正常显示正负号（minus）

# 创建一些示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 定义两个带有透明度的RGBA元组
# 注意：Matplotlib中，RGBA元组的Alpha值应该是0到1之间
color1 = (0.1, 0.2, 0.5, 0.7)  # 蓝色调，70%不透明
color2 = (0.9, 0.5, 0.1, 0.3)  # 橙色调，30%不透明

# 绘制带有透明度的线
plt.plot(x, y1, color=color1, label='Sin(x) with alpha=0.7')
plt.plot(x, y2, color=color2, label='Cos(x) with alpha=0.3')

# 设置图例
plt.legend()

# 设置图表标题和坐标轴标签
plt.title('使用RGBA元组进行科研绘图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')

# 显示网格
plt.grid(True)

# 显示图表
plt.show()

14.7绘图对比

  1. 直接颜色：
    • 优点：易于理解和使用，无需进行任何转换。
    • 缺点：颜色名称的集合有限，可能无法精确匹配所需的颜色。此外，不同的绘图库或软件可能对相同的颜色名称有不同的解释，导致颜色不一致。
    • 适用场景：在需要快速设置大致颜色且对颜色精度要求不高的情况下使用。
  2. 十六进制颜色代码：
    • 优点：能够精确地表示颜色，且在不同平台和软件中的解释较为一致。此外，十六进制颜色代码在网页设计和图形编辑中广泛使用，便于与其他设计元素匹配。
    • 缺点：相对于RGB或RGBA元组，十六进制颜色代码可能需要一些额外的转换工作。
    • 适用场景：在需要精确匹配颜色且与其他设计元素协调时使用，尤其在网页或图形编辑领域。
  3. RGB元组：
    • 优点：能够精确地表示颜色，且在数值计算和处理方面较为方便。此外，RGB元组在许多编程语言和图形库中都有很好的支持。
    • 缺点：与十六进制颜色代码相比，RGB元组可能不太直观，需要一定的转换工作。此外，在某些情况下，可能需要额外处理以匹配绘图库或软件的颜色范围要求。
    • 适用场景：在编程和数值计算中需要精确控制颜色时使用，尤其在需要与其他颜色空间（如HSV、CMYK等）进行转换时。
  4. RGBA元组：
    • 优点：能够精确地表示颜色及其透明度，使得绘图更加灵活和多样。通过调整透明度，可以实现叠加、渐变等效果，增强图形的表现力。
    • 缺点：与RGB元组相比，RGBA元组需要额外的处理来管理透明度通道。此外，在某些不支持透明度的绘图库或软件中，可能需要额外的转换或调整。
    • 适用场景：在需要表示颜色及其透明度时使用，尤其在需要实现叠加、渐变或透明效果时。
03-08 17:43
Powered by LMLPHP ©2024 Py小趴 0.009099