使用正确的图表理解数据（五）：使用颜色表上篇

7.6使用颜色表

用颜色来编码数据会极大地影响观察者对可视化图形的理解，因为观察者们对不同颜色及其要表达的信息总会有一个直觉的假设。

其实，用颜色为数据添加额外的信息是件好事情。如果知道什么时候应该选用什么颜色就再好不过了。

7.6.1 准备工作

如果你的数据不是自然地用颜色标示的（如地形/地势海拔或者物体的温度），那么最好不要人为地把它映射到自然色上。我们希望读者能恰当地理解数据，就需要选择一种能让读者容易理解的颜色。如果要展示与温度无关的财务数据，那么我们当然不希望读者把数据映射到表示温度的颜色上去。

如果数据与红色或绿色没有很强的关联时，要尽可能地避免使用这两种颜色。

为了帮助读者选择合适的颜色映射，我们将解释matplotlib包中已有的一些颜色表。如果你了解了这些颜色表的用途，并且知道从哪里找到它们，会对你很有帮助，并且会节省很多时间。

颜色表一般可以归为以下几类。

¡Sequential：表示同一颜色从低饱和度到高饱和度的两个色调的单色颜色表，例如从白色到天蓝色。对大多数情况来说这是理想的，因为这些颜色清晰地显示了颜色值从低到高的变化。

¡Diverging：表示中间值，是颜色的中值（通常是一些明亮的颜色），然后颜色范围在高和低两个方向上变化到两个不同的色调。这对于有明显中值的数据是理想的。例如，当中值是0时，颜色表能清晰地显示负值和正值之间的区别。

¡Qualitative：对于数据没有固定的顺序，并且想要轻易地区分开不同种类的数据，可以选用该颜色表。

¡Cyclic：当数据可以围绕端点值显示的时候，用该颜色表非常方便，例如表示一天的时间、风向或者相位角。

matplotlib自带许多预定义的颜色表，我们可以把它们划分为几类。我们会为何时使用何种颜色表给出一些建议。最基本且常用的颜色表有

autumn、bone、cool、copper、flag、gray、hot、hsv、jet、pink、prism、sprint、summer、winter和spectral。

在Yo r i c k科学可视化包中还有其他一些颜色表。这是从GIST包演变而来的，因此该集合中的所有颜色表名字中都有一个gist_前缀。

Yo r i c k科学可视化包是一个由C编写的解释型语言，最近不是非常活跃。我们可以在其官网中得到更多的信息。

这些颜色表集合包括以下表：gist_earth、gist_heat、gist_ncar、gist_rainbow和gist_stern。

下面介绍基于ColorBrewer的颜色表，它们可以分为以下几类。

¡Diverging：中间亮度最高，向两端递减。

¡Sequential：亮度单调地递减。

¡Qualitative：用不同种类的颜色来区分不同的数据类别。

另外还有一些可用的颜色表，如表7-1所示。

这里展示的大多数颜色表都可以通过在颜色表名字后面加上_r后缀进行反转，例如hot_r是反向循环的hot颜色表。

7.6.2 操作步骤

在matplotlib中我们可以为许多项目设置颜色表。例如，颜色表可以设置在image, pcolor和scatter上。我们可以通过cmap函数调用时传入的参数来设置颜色表。该参数是colors.Colormap的预期实例。

我们也可以使用matplotlib.pyplot.set_cmap为绘制在坐标轴上的最新的对象设置cmap。

通过matplotlib.pyplot.colormaps我们可以很容易地得到所有可用的颜色表。打开IPython，输入以下代码。

In [1]: import matplotlib.pyplot as plt
In [2]: plt.colormaps()
Out[2]:
['Accent',
'Accent_r',
'Blues',
'Blues_r',
...
'winter',
'winter_r']

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
# Red Yellow Green divergent colormap
red_yellow_green = ['#d73027', '#f46d43', '#fdae61',
'#fee08b', '#ffffbf', '#d9ef8b',
'#a6d96a', '#66bd63', '#1a9850']
sample_size = 1000
fig, ax = plt.subplots(1)
for i in range(9):
y = np.random.normal(size=sample_size).cumsum()
x = np.arange(sample_size)
ax.scatter(x, y, label=str(i), linewidth=0.1,
edgecolors='grey',
facecolor=red_yellow_green[i])
ax.legend()  

plt.show()

上述代码将渲染出一个漂亮的图表，如图7-8所示。

原文网址：     https://www.epubit.com/book/detail/21642

内容来源：异步社区；版权属【人民邮电出版社 异步社区】所有，转载已获得授权；未经授权，不得以任何方式复制和传播本书内容，如需转载请联系异步社区。