【课程介绍】
Datawhale开源教程链接：
/datawhalechina/fantastic-matplotlib
本项目重点在两个层面帮助读者构建matplotlib的知识体系：
从图形，布局，文本，样式等多维度系统梳理matplotlib的绘图方法，构建对于绘图方法的整体理解。
从绘图API层级，接口等方面阐明matplotlib的设计理念，摆脱只会复制粘贴的尴尬处境。
目录
一、matplotlib的绘图样式（style）
1.matplotlib预先定义样式
2.用户自定义stylesheet
3.设置rcparams
二、matplotlib的色彩设置（color）
1.RGB或RGBA
2.HEX RGB 或 RGBA
3.灰度色阶
4.单字符基本颜色
5.颜色名称
6.使用colormap设置一组颜色
思考题
头文件
import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as np
第五回详细介绍matplotlib中样式和颜色的使用，绘图样式和颜色是丰富可视化图表的重要手段，因此熟练掌握本章可以让可视化图表变得更美观，突出重点和凸显艺术性。
关于绘图样式，常见的有3种方法，分别是修改预定义样式，自定义样式和rcparams。 关于颜色使用，本章介绍了常见的5种表示单色颜色的基本方法，以及colormap多色显示的方法。
一、matplotlib的绘图样式（style）
在matplotlib中，要想设置绘制样式，最简单的方法是在绘制元素时单独设置样式。 但是有时候，当用户在做专题报告时，往往会希望保持整体风格的统一而不用对每张图一张张修改，因此matplotlib库还提供了四种批量修改全局样式的方式
【补充1】matplotlib内置的26种丰富的样式：
print(plt.style.available)
['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']
二、matplotlib的色彩设置（color）
在可视化中，如何选择合适的颜色和搭配组合也是需要仔细考虑的，色彩选择要能够反映出可视化图像的主旨。
从可视化编码的角度对颜色进行分析，可以将颜色分为色相、亮度和饱和度三个视觉通道。通常来说：
色相： 没有明显的顺序性、一般不用来表达数据量的高低，而是用来表达数据列的类别。
明度和饱和度： 在视觉上很容易区分出优先级的高低、被用作表达顺序或者表达数据量视觉通道。
具体关于色彩理论部分的知识，不属于本教程的重点，请参阅有关拓展材料学习。
学会这6个可视化配色基本技巧，还原数据本身的意义
在matplotlib中，设置颜色有以下几种方式：
【拓展】
思考题
学习如何自定义colormap，并将其应用到任意一个数据集中，绘制一幅图像，注意colormap的类型要和数据集的特性相匹配，并做简单解释
完整代码如下：
import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npimport pandas as pd#plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签#plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号from colorspacious import cspace_converter# 获取数据ex1 = pd.read_csv('G:/Datawhale/Matplotlib/covid_19sort.csv')data=ex1[0:20]# 设置画布fig = plt.figure(figsize=(10,10), facecolor='lightyellow')r=data['死亡人数'].tolist()r1=data['国家和地区'].tolist()# 计算角度n=data.shape[0]print(n)theta=np.linspace(0, np.pi*2, len(r), endpoint=False)# 360度等分成n份# 极坐标ax = plt.subplot(111,projection = 'polar')# 顺时针并设置N方向为0度ax.set_theta_direction(-1) #顺时针为极坐标正方向ax.set_theta_zero_location('N') #极坐标 0° 方向为 N# 在极坐标中画柱形图def num2color(values, cmap):"""将数值映射为颜色"""norm = mpl.colors.Normalize(vmin=np.min(values), vmax=np.max(values))cmap = mpl.cm.get_cmap(cmap)return [cmap(norm(val)) for val in values]colors = num2color(r, "Spectral_r") p1 = plt.bar(theta,r,width=2*np.pi/n,align="edge",color=colors)#每个柱的顶部显示文本plt.bar_label(p1, label_type='edge',padding=5, fmt='%d') plt.axis('off') # 不显示坐标轴和网格线#显示一些简单的中文图例#plt.rcParams['font.sans-serif']=['SimHei'] # 黑体fig.suptitle('疫情大数据', fontsize=30, fontweight='bold')ax.set_title('死亡人数(疫情确诊人数前20国家)',fontdict={'fontsize':14},pad=5)fig.text(0.43,0.27 ,'截至9月20日\n美国已达1078938人\n因新冠病毒死亡。', style='italic', fontsize=16, fontweight='bold',bbox={'facecolor': 'red', 'alpha': 0.2, 'pad': 15})ax.legend(p1,r1,title="国家",loc="upper right",)# bbox_to_anchor=(1, 0, 0.5, 1) 如果要自定义图例位置或者将图例画在坐标外边，用它 没弄明白
