使用正确的图表理解数据（五）：使用颜色表下篇

7.6.3 工作原理

从ColorBrewer网站找到红—黄—绿diverging颜色表的颜色。然后，在代码中列出这些颜色，并把它们应用到散点图中。

ColorBrewer是一个由Cynthia Brewer、Mark Harrower编写的We b工具，宾夕法尼亚州立大学开发了其中的颜色表。它是一个非常好用的工具，可以选择不同范围的颜色表并把它们应用在地图上。这样，你可以快速地了解它们显示在一个图表上的样子。

有时候，我们不得不在matplotlib.rcParams上做一些定制化，这是在创建一个图表或者坐标轴之前要做的第一件事情。例如，为了为大多数matplotlib函数设置默认的颜色表，需要改变配置参数matplotlib. rcParams['axes.cycle_color']。

7.6.4 补充说明

通过matplotlib.pyplot.register_cmap我们可以将一个新的颜色表注册到matplotlib，这样就可以通过get_cmap函数找到它。我们可以通过两种不同的方式使用它，这两种签名形式如下。

¡register_cmap(name='swirly', cmap=swirly_cmap)
¡register_cmap(name='choppy', data=choppydata, lut=128)

第一种签名指定一个颜色表作为colors.Colormap的实例，并通过name参数注册。参数name可以忽略，在这种情况下，它将继承cmap实例提供的name属性。对于第二种签名，我们向线性分隔的颜色表构造函数传入3个参数，随后把该颜色表注册到matplotlib。我们可以通过把

name参数传入matplotlib.pyplot.get_cmap函数来得到相应的colors.Colormap实例。

下面的代码展示了如何使用matplotlib.colors.LinearSegmented Colormap创建你自己的颜色表：

from pylab import *
cdict = {'red': ((0.0, 0.0, 0.0),
(0.5, 1.0, 0.7),
(1.0, 1.0, 1.0)),
'green': ((0.0, 0.0, 0.0),
(0.5, 1.0, 0.0),
(1.0, 1.0, 1.0)),
'blue': ((0.0, 0.0, 0.0),
(0.5, 1.0, 0.0),
(1.0, 0.5, 1.0))}
my_cmap = matplotlib.colors.LinearSegmentedColormap('my_
colormap',cdict,256)
pcolor(rand(10,10),cmap=my_cmap)
colorbar()

执行该方法很简单，实际上比较难的部分是如何给出信息丰富的颜色组合。这种颜色组合不会丢掉任何可视化的数据信息，同时读者看起来赏心悦目。对于基本的颜色列表（在之前的表中列出的颜色表），可以用pylab快捷方式来设置颜色表。例如：

imshow(X)

hot()

这将设置图X的颜色表为cmap = 'hot'。

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。