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
1.matplotlib预先定义样式
matplotlib贴心地提供了许多内置的样式供用户使用，使用方法很简单，只需在python脚本的最开始输入想使用style的名称即可调用，尝试调用不同内置样式，比较区别
import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npplt.style.use('default')plt.plot([1,2,3,4],[2,3,4,5])
plt.style.use('ggplot')plt.plot([1,2,3,4],[2,3,4,5])
那么matplotlib究竟内置了那些样式供使用呢？总共以下26种丰富的样式可供选择。
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']'''
2.用户自定义stylesheet
在任意路径下创建一个后缀名为mplstyle的样式清单，编辑文件添加以下样式内容
axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16
引用自定义stylesheet后观察图表变化。
plt.style.use('/home/haobo/mnt/presentation.mplstyle')plt.plot([1,2,3,4],[2,3,4,5])
值得特别注意的是，matplotlib支持混合样式的引用，只需在引用时输入一个样式列表，若是几个样式中涉及到同一个参数，右边的样式表会覆盖左边的值。
plt.style.use(['dark_background', '/home/haobo/mnt/presentation.mplstyle'])plt.plot([1,2,3,4],[2,3,4,5])
3.设置rcparams
我们还可以通过修改默认rc设置的方式改变样式，所有rc设置都保存在一个叫做 matplotlib.rcParams的变量中。
修改过后再绘图，可以看到绘图样式发生了变化。
plt.style.use('default') # 恢复到默认样式plt.plot([1,2,3,4],[2,3,4,5])
mpl.rcParams['lines.linewidth'] = 2mpl.rcParams['lines.linestyle'] = '--'plt.plot([1,2,3,4],[2,3,4,5])
另外matplotlib也还提供了了一种更便捷的修改样式方式，可以一次性修改多个样式。
mpl.rc('lines', linewidth=4, linestyle='-.')plt.plot([1,2,3,4],[2,3,4,5])
4.修改matplotlibrc文件
由于matplotlib是使用matplotlibrc文件来控制样式的，也就是上一节提到的rc setting，所以我们还可以通过修改matplotlibrc文件的方式改变样式。
# 查找matplotlibrc文件的路径mpl.matplotlib_fname()
找到路径后，就可以直接编辑样式文件了，打开后看到的文件格式大致是这样的，文件中列举了所有的样式参数，找到想要修改的参数，比如lines.linewidth: 8，并将前面的注释符号去掉，此时再绘图发现样式以及生效了。
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。
ECharts数据可视化实验室
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：
1.RGB或RGBA
plt.style.use('default')# 颜色用[0,1]之间的浮点数表示，四个分量按顺序分别为(red, green, blue, alpha)，其中alpha透明度可省略plt.plot([1,2,3],[4,5,6],color=(0.1, 0.2, 0.5))plt.plot([4,5,6],[1,2,3],color=(0.1, 0.2, 0.5, 0.5))
2.HEX RGB 或 RGBA
# 用十六进制颜色码表示，同样最后两位表示透明度，可省略plt.plot([1,2,3],[4,5,6],color='#0f0f0f')plt.plot([4,5,6],[1,2,3],color='#0f0f0f80')
3.灰度色阶
# 当只有一个位于[0,1]的值时，表示灰度色阶plt.plot([1,2,3],[4,5,6],color='0.5')
4.单字符基本颜色
# matplotlib有八个基本颜色，可以用单字符串来表示，分别是'b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'，对应的是blue, green, red, cyan, magenta, yellow, black, and white的英文缩写plt.plot([1,2,3],[4,5,6],color='m')
5.颜色名称
# matplotlib提供了颜色对照表，可供查询颜色对应的名称plt.plot([1,2,3],[4,5,6],color='tan')
6.使用colormap设置一组颜色
有些图表支持使用colormap的方式配置一组颜色，从而在可视化中通过色彩的变化表达更多信息。
在matplotlib中，colormap共有五种类型:
顺序（Sequential）。通常使用单一色调，逐渐改变亮度和颜色渐渐增加，用于表示有顺序的信息发散（Diverging）。改变两种不同颜色的亮度和饱和度，这些颜色在中间以不饱和的颜色相遇；当绘制的信息具有关键中间值（例如地形）或数据偏离零时，应使用此值。循环（Cyclic）。改变两种不同颜色的亮度，在中间和开始/结束时以不饱和的颜色相遇。用于在端点处环绕的值，例如相角，风向或一天中的时间。定性（Qualitative）。常是杂色，用来表示没有排序或关系的信息。杂色（Miscellaneous）。一些在特定场景使用的杂色组合，如彩虹，海洋，地形等。
x = np.random.randn(50)y = np.random.randn(50)plt.scatter(x,y,c=x,cmap='RdPu')
作业
1）查阅matplotlib官网，列举出Sequential，Diverging，Cyclic，Qualitative，Miscellaneous分别有哪些内置的colormap，并以代码绘图的形式展现出来
import numpy as npimport matplotlib.pyplot as pltcmaps = [('Perceptually Uniform Sequential', ['viridis', 'plasma', 'inferno', 'magma', 'cividis']),('Sequential', ['Greys', 'Purples', 'Blues', 'Greens', 'Oranges', 'Reds','YlOrBr', 'YlOrRd', 'OrRd', 'PuRd', 'RdPu', 'BuPu','GnBu', 'PuBu', 'YlGnBu', 'PuBuGn', 'BuGn', 'YlGn']),('Sequential (2)', ['binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink','spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia','hot', 'afmhot', 'gist_heat', 'copper']),('Diverging', ['PiYG', 'PRGn', 'BrBG', 'PuOr', 'RdGy', 'RdBu','RdYlBu', 'RdYlGn', 'Spectral', 'coolwarm', 'bwr', 'seismic']),('Cyclic', ['twilight', 'twilight_shifted', 'hsv']),('Qualitative', ['Pastel1', 'Pastel2', 'Paired', 'Accent','Dark2', 'Set1', 'Set2', 'Set3','tab10', 'tab20', 'tab20b', 'tab20c']),('Miscellaneous', ['flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern','gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg','gist_rainbow', 'rainbow', 'jet', 'turbo', 'nipy_spectral','gist_ncar'])]gradient = np.linspace(0, 1, 256)gradient = np.vstack((gradient, gradient))def plot_color_gradients(cmap_category, cmap_list):# Create figure and adjust figure height to number of colormapsnrows = len(cmap_list)figh = 0.35 + 0.15 + (nrows + (nrows-1)*0.1)*0.22fig, axs = plt.subplots(nrows=nrows, figsize=(6.4, figh))fig.subplots_adjust(top=1-.35/figh, bottom=.15/figh, left=0.2, right=0.99)axs[0].set_title(cmap_category + ' colormaps', fontsize=14)for ax, name in zip(axs, cmap_list):ax.imshow(gradient, aspect='auto', cmap=name)ax.text(-.01, .5, name, va='center', ha='right', fontsize=10,transform=ax.transAxes)# Turn off *all* ticks & spines, not just the ones with colormaps.for ax in axs:ax.set_axis_off()for cmap_category, cmap_list in cmaps:plot_color_gradients(cmap_category, cmap_list)fig.savefig('colrmap.png')plt.show()
2）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
import matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormapdef plot_examples(colormaps):"""Helper function to plot data with associated colormap."""np.random.seed(19680801)data = np.random.randn(30, 30)n = len(colormaps) # 在下面代码中有n=1fig, axs = plt.subplots(1, n, figsize=(n * 2 + 2, 3),constrained_layout=True, squeeze=False)for ax, cmap in zip(axs.flat, colormaps):"""创建不规则的矩形网格图。vmin,vmax: 颜色条的范围rasterized: 栅格化（位图），默认为None.cmap:注意得是ListedColormap类型的"""psm = ax.pcolormesh(data, cmap=cmap, rasterized=True, vmin=-4, vmax=4)fig.colorbar(psm, ax=ax)plt.show()"""ListedColormap: matplotlib.colors.ListedColormap(colors, name='from_list', N=None).Colormap object generated from a list of colors."""cmap = ListedColormap(["darkorange", "gold", "lawngreen", "lightseagreen"])# print(len([cmap]))# [out] 1 plot_examples([cmap]) #注意添加[]
