1. 項(xiàng)目緣起為什么我們需要一份Python作圖顏色指南如果你用Python做過(guò)圖尤其是用過(guò)Matplotlib、Seaborn或者Plotly這類庫(kù)大概率經(jīng)歷過(guò)這樣的時(shí)刻想給圖表?yè)Q個(gè)顏色結(jié)果在搜索引擎里輸入“matplotlib color”然后在一堆英文文檔、Stack Overflow的零散回答和顏色代碼對(duì)照表里翻來(lái)覆去地找。最后可能隨便選了個(gè)‘blue’或者‘red’或者復(fù)制了一段‘#FF5733’這樣的十六進(jìn)制碼但心里并不確定這是不是最合適、最好看的那個(gè)選擇。這就是我寫這篇匯總的初衷。顏色在數(shù)據(jù)可視化里遠(yuǎn)不止是“好看”那么簡(jiǎn)單。它承擔(dān)著區(qū)分?jǐn)?shù)據(jù)系列、突出關(guān)鍵信息、傳達(dá)數(shù)據(jù)屬性如正負(fù)、冷熱、甚至引導(dǎo)觀眾情緒和注意力的重任。一個(gè)糟糕的配色方案能讓清晰的數(shù)據(jù)變得混亂不堪而一個(gè)精心設(shè)計(jì)的配色則能讓你的圖表專業(yè)度和說(shuō)服力提升好幾個(gè)檔次。網(wǎng)上關(guān)于Python顏色的資料很多但往往要么太零散只講某個(gè)庫(kù)的某個(gè)函數(shù)要么太理論大談色彩空間原理要么就是一份冰冷的顏色名列表缺乏上下文和實(shí)戰(zhàn)指導(dǎo)。我希望通過(guò)這篇匯總能幫你把Matplotlib、Seaborn、Plotly這幾個(gè)主流庫(kù)的顏色使用方式徹底理清從最基本的顏色名稱和代碼到高級(jí)的漸變色Colormap應(yīng)用再到如何根據(jù)場(chǎng)景選擇配色方案形成一個(gè)完整、可直接“抄作業(yè)”的知識(shí)體系。無(wú)論你是剛?cè)腴T的新手還是想優(yōu)化圖表的老手這篇文章都能給你提供即查即用的參考。2. 顏色基礎(chǔ)理解Python中的顏色表示法在深入各個(gè)庫(kù)之前我們必須統(tǒng)一語(yǔ)言理解Python作圖庫(kù)是如何“認(rèn)識(shí)”顏色的。這就像學(xué)畫畫先認(rèn)識(shí)顏料是后續(xù)一切操作的基礎(chǔ)。2.1 四種核心的顏色指定方式幾乎所有Python可視化庫(kù)都支持以下四種方式指定一個(gè)具體的顏色1. 顏色名稱字符串這是最直觀的方式。Matplotlib內(nèi)置了一個(gè)豐富的顏色名稱字典你可以直接使用像‘red’,‘green’,‘blue’,‘cyan’,‘magenta’,‘yellow’,‘black’,‘white’這樣的英文單詞。此外它還支持一些更具體的名稱如‘skyblue’,‘lightcoral’,‘darkorange’等。# 示例使用顏色名稱 plt.plot(x, y, colorsteelblue) # 線條顏色設(shè)為鋼藍(lán)色 plt.scatter(x, y, ccoral) # 散點(diǎn)顏色設(shè)為珊瑚色注意顏色名稱是大小寫不敏感的但建議使用全小寫以保證兼容性。你可以通過(guò)matplotlib.colors.cnames這個(gè)字典查看所有可用的顏色名及其對(duì)應(yīng)的十六進(jìn)制碼。2. 十六進(jìn)制字符串這是Web設(shè)計(jì)和CSS中廣泛使用的格式格式為‘#RRGGBB’或‘#RRGGBBAA’。RR、GG、BB分別代表紅、綠、藍(lán)通道的十六進(jìn)制值00-FFAA代表透明度Alpha通道00-FF可選。這種方式可以表達(dá)極其豐富的顏色。# 示例使用十六進(jìn)制顏色 color_hex #2E8B57 # 一種海綠色 color_hex_with_alpha #FF450080 # 橙紅色50%透明度 (80/FF ≈ 0.5)3. RGB或RGBA元組用0到1之間的浮點(diǎn)數(shù)來(lái)表示每個(gè)顏色通道的強(qiáng)度。(R, G, B)表示RGB(R, G, B, A)表示RGBAA為透明度0為完全透明1為完全不透明。# 示例使用RGB/RGBA元組 color_rgb (0.1, 0.5, 0.8) # 一種藍(lán)綠色 color_rgba (0.9, 0.2, 0.2, 0.6) # 一種紅色60%不透明度這是程序化生成顏色時(shí)非常有用的一種方式例如在一個(gè)循環(huán)中根據(jù)索引計(jì)算顏色。4. 灰度字符串當(dāng)只需要黑白灰時(shí)可以用一個(gè)代表灰度的字符串格式是‘0.x’的字符串或者直接是‘x’x為0-1的數(shù)字字符串。‘0.0’是黑色‘1.0’是白色‘0.5’是中灰色。# 示例使用灰度 plt.bar(labels, values, color0.7) # 淺灰色的柱狀圖2.2 顏色映射Colormap初探當(dāng)我們需要用顏色表示一個(gè)連續(xù)變量的值比如溫度、海拔、密度時(shí)單一顏色就不夠用了我們需要一個(gè)從A顏色漸變到B顏色的“顏色條”這就是顏色映射Colormap簡(jiǎn)稱cmap。在Matplotlib體系中它是一個(gè)將數(shù)據(jù)歸一化到[0, 1]區(qū)間后映射到一組RGBA顏色的對(duì)象。import matplotlib.cm as cm # 獲取‘viridis’顏色映射對(duì)象 cmap cm.get_cmap(viridis) # 將數(shù)值0.5映射為顏色 color_at_mid cmap(0.5)在繪圖函數(shù)中我們通常直接將顏色映射的名字字符串傳給cmap參數(shù)庫(kù)會(huì)自動(dòng)完成映射。這是科學(xué)可視化中最重要的概念之一我們會(huì)在第4章詳細(xì)展開(kāi)。3. 實(shí)戰(zhàn)庫(kù)解析Matplotlib, Seaborn, Plotly的顏色使用了解了顏色的“單詞”表示法接下來(lái)我們學(xué)習(xí)如何在不同的“語(yǔ)境”作圖庫(kù)中組織它們形成優(yōu)美的“句子”圖表。3.1 Matplotlib基礎(chǔ)而強(qiáng)大的調(diào)色板Matplotlib是Python繪圖的基石其顏色系統(tǒng)最為基礎(chǔ)和全面。單色控制在plot,scatter,bar等函數(shù)中主要通過(guò)color(或c在scatter中) 參數(shù)來(lái)控制顏色。import matplotlib.pyplot as plt import numpy as np x np.linspace(0, 10, 100) y np.sin(x) fig, ax plt.subplots() # 為不同的線條指定不同的顏色 ax.plot(x, y, colorindigo, labelLine 1, linewidth2) ax.plot(x, y*0.8, color(0.2, 0.7, 0.3), labelLine 2, linestyle--) # 使用RGB元組 ax.plot(x, y*0.6, color#FF8C00, labelLine 3) # 使用十六進(jìn)制 ax.legend() plt.show()多系列顏色的自動(dòng)化屬性循環(huán)器當(dāng)你在一個(gè)坐標(biāo)系中繪制多條線或多個(gè)柱狀圖組時(shí)手動(dòng)指定每個(gè)顏色很麻煩。Matplotlib使用“屬性循環(huán)器”來(lái)自動(dòng)分配顏色。默認(rèn)情況下它會(huì)循環(huán)使用‘C0’,‘C1’, …‘C9’這10種顏色。for i in range(5): # 不需要指定color自動(dòng)使用C0, C1, C2... plt.plot(x, y i, labelfLine C{i})你可以通過(guò)ax.set_prop_cycle()來(lái)定制這個(gè)循環(huán)器注入你喜歡的顏色列表。from cycler import cycler custom_colors [#1f77b4, #ff7f0e, #2ca02c, #d62728, #9467bd] custom_cycler cycler(colorcustom_colors) ax.set_prop_cycle(custom_cycler)實(shí)操心得‘C0’到‘C9’是Matplotlib 2.0后引入的“Tableau”調(diào)色板顏色在區(qū)分度、美觀度和色盲友好性上做了平衡是默認(rèn)的絕佳選擇。除非有特殊品牌或出版要求否則建議優(yōu)先使用它們。3.2 Seaborn基于統(tǒng)計(jì)美學(xué)的高級(jí)封裝Seaborn在Matplotlib之上提供了更高級(jí)的統(tǒng)計(jì)圖形和精美的默認(rèn)樣式。它的顏色系統(tǒng)核心是“調(diào)色板”。設(shè)置與使用調(diào)色板seaborn.color_palette()函數(shù)是核心。你可以獲取一個(gè)顏色列表然后將其設(shè)置為當(dāng)前上下文的顏色循環(huán)。import seaborn as sns import matplotlib.pyplot as plt # 獲取一個(gè)‘husl‘調(diào)色板的6種顏色 palette sns.color_palette(husl, 6) print(palette) # 輸出是一個(gè)RGB元組列表 # 將其設(shè)置為Matplotlib的顏色循環(huán) sns.set_palette(palette) # 現(xiàn)在繪圖就會(huì)使用這個(gè)調(diào)色板了 for i in range(6): plt.plot([0, 1], [i, i], linewidth4) plt.show()Seaborn內(nèi)置的調(diào)色板類型定性調(diào)色板用于區(qū)分沒(méi)有順序關(guān)系的分類數(shù)據(jù)。這是最常用的?！甦eep’,‘muted’,‘bright’,‘pastel’,‘dark’,‘colorblind’Seaborn的默認(rèn)六套調(diào)色板‘deep’是默認(rèn)?！甋et1’,‘Set2’,‘Set3’,‘tab10’,‘tab20’來(lái)自ColorBrewer和Matplotlib的經(jīng)典分類色板?！甴usl’,‘hls’在HSL色彩空間中均勻選取的顏色區(qū)分度極好。順序調(diào)色板用于表示從低到高有序的數(shù)值數(shù)據(jù)。本質(zhì)就是單色漸變的顏色映射。‘rocket’,‘mako’,‘crest’,‘flare’Seaborn自帶的現(xiàn)代漸變色非常漂亮?！畍iridis’,‘plasma’,‘inferno’,‘magma’,‘cividis’Matplotlib的感知均勻顏色映射是科學(xué)可視化的黃金標(biāo)準(zhǔn)。‘Blues’,‘Greens’,‘Reds’,‘Oranges’,‘Purples’單色漸變名字直觀。發(fā)散調(diào)色板用于表示有中間值如零值和兩個(gè)方向極值的數(shù)據(jù)如正負(fù)溫度偏差。‘vlag’,‘icefire’Seaborn自帶的發(fā)散色?！甊dBu’,‘PiYG’,‘PRGn’,‘BrBG’,‘PuOr’經(jīng)典的“紅-藍(lán)”、“紫-綠”等發(fā)散調(diào)色板。你可以用sns.color_palette(‘調(diào)色板名稱‘, n_colors數(shù)量)來(lái)獲取指定數(shù)量的顏色列表或者用sns.palplot(sns.color_palette(‘調(diào)色板名稱‘))來(lái)快速可視化一個(gè)調(diào)色板。在繪圖函數(shù)中直接使用許多Seaborn繪圖函數(shù)有palette參數(shù)可以直接傳入調(diào)色板名稱。tips sns.load_dataset(tips) # 使用‘Set2‘調(diào)色板為不同的‘day‘分類著色 sns.boxplot(xday, ytotal_bill, huesex, datatips, paletteSet2) plt.show()踩坑提醒Seaborn的set_palette()或set_style()會(huì)改變?nèi)值腗atplotlib繪圖參數(shù)。如果你在同一個(gè)Notebook或腳本中混合使用Seaborn和純Matplotlib并且希望它們風(fēng)格獨(dú)立最好使用with sns.color_palette(‘palette_name‘):上下文管理器或者在每個(gè)Seaborn繪圖函數(shù)中單獨(dú)指定palette參數(shù)避免全局設(shè)置帶來(lái)意外影響。3.3 Plotly交互式圖表的動(dòng)態(tài)色彩Plotly特別是plotly.express以其聲明式和交互式著稱顏色系統(tǒng)同樣強(qiáng)大且易于使用。離散顏色映射對(duì)于分類數(shù)據(jù)使用color_discrete_sequence參數(shù)。它可以接受一個(gè)Plotly認(rèn)可的顏色名稱列表、十六進(jìn)制列表或RGB字符串列表。import plotly.express as px df px.data.iris() # 使用Plotly內(nèi)置的定性色板‘Set1‘ fig px.scatter(df, xsepal_width, ysepal_length, colorspecies, # 根據(jù)物種分類著色 color_discrete_sequencepx.colors.qualitative.Set1) fig.show()px.colors.qualitative模塊下包含了大量?jī)?yōu)秀的定性調(diào)色板如Plotly,D3,G10,T10,Set1,Set2,Set3等。連續(xù)顏色映射對(duì)于數(shù)值數(shù)據(jù)使用color_continuous_scale參數(shù)。它接受一個(gè)顏色映射名稱或自定義的顏色列表。# 使用順序色板‘viridis‘ fig px.scatter(df, xsepal_width, ysepal_length, colorpetal_length, # 根據(jù)花瓣長(zhǎng)度連續(xù)值著色 color_continuous_scaleviridis) fig.show() # 使用自定義的從藍(lán)到紅的三色漸變 custom_scale [blue, white, red] fig px.scatter(df, xsepal_width, ysepal_length, colorpetal_length, color_continuous_scalecustom_scale)px.colors.sequential模塊下包含了所有順序顏色映射如Viridis,Plasma,Hot,Blues等。px.colors.diverging模塊下則是發(fā)散顏色映射。設(shè)置顏色軸和顏色條Plotly的交互優(yōu)勢(shì)在這里體現(xiàn)你可以輕松設(shè)置顏色軸的標(biāo)題、范圍以及顏色條的位置和標(biāo)題。fig.update_coloraxes(colorbar_titlePetal Length (cm), colorbar_orientationh, # 水平顏色條 colorbar_len0.5, # 長(zhǎng)度比例 colorbar_x0.25) # 位置經(jīng)驗(yàn)之談Plotly Express的配色方案默認(rèn)就非常美觀對(duì)于快速出圖極其友好。當(dāng)需要精細(xì)控制時(shí)記住color_discrete_sequence管分類color_continuous_scale管連續(xù)。利用px.colors下的子模塊可以快速找到大量經(jīng)過(guò)專業(yè)設(shè)計(jì)的配色方案比自己去配要可靠得多。4. 顏色映射深度解析從Viridis到自定義顏色映射是科學(xué)可視化的靈魂。一個(gè)糟糕的顏色映射比如經(jīng)典的‘jet’會(huì)扭曲數(shù)據(jù)、制造虛假邊界、并且對(duì)色盲不友好。因此理解并正確使用顏色映射至關(guān)重要。4.1 感知均勻顏色映射為什么Viridis是首選Matplotlib 2.0版本的一個(gè)重大進(jìn)步就是用‘viridis’取代了‘jet’作為許多函數(shù)的默認(rèn)顏色映射。原因在于‘viridis’及其同系列的‘plasma’,‘inferno’,‘magma’,‘cividis’都是感知均勻的顏色映射。什么是感知均勻意味著在顏色映射上移動(dòng)相同的數(shù)值距離給人眼的亮度/色相變化感是均勻的。這樣數(shù)據(jù)值的大小變化能通過(guò)顏色被準(zhǔn)確、線性地感知?！甹et‘為什么不好‘jet’在中間部分青色和黃色亮度很高兩端深藍(lán)和深紅亮度很低。這會(huì)導(dǎo)致細(xì)節(jié)丟失高亮區(qū)域掩蓋了細(xì)微變化。虛假特征人眼對(duì)亮度變化敏感‘jet’非均勻的亮度變化會(huì)在數(shù)據(jù)中制造出本不存在的“邊界”或“凸起”。色盲不友好紅綠區(qū)域難以區(qū)分。如何選擇順序顏色映射通用場(chǎng)景無(wú)腦選擇‘viridis’。它在所有指標(biāo)上表現(xiàn)優(yōu)異。需要更高對(duì)比度嘗試‘plasma’或‘inferno’它們兩端對(duì)比更強(qiáng)烈。打印友好灰度‘cividis’是專門為色盲和灰度打印優(yōu)化的在黑白打印時(shí)仍能保持很好的亮度梯度。傳統(tǒng)單色系‘Blues’,‘Greens’,‘Reds’,‘Greys’等當(dāng)你想強(qiáng)調(diào)數(shù)據(jù)是“正向”的如數(shù)量、密度且需要保守的學(xué)術(shù)風(fēng)格時(shí)使用。如何選擇發(fā)散顏色映射當(dāng)數(shù)據(jù)有明確的中性點(diǎn)如0值和兩個(gè)相反方向時(shí)使用。通用場(chǎng)景‘RdBu’紅-藍(lán)或‘PiYG’紫-綠是非常經(jīng)典和可靠的選擇。更多顏色‘RdBu_r’_r表示反轉(zhuǎn)有時(shí)中間色更明顯。Seaborn風(fēng)格‘vlag’或‘icefire’提供了更現(xiàn)代的觀感。在Matplotlib中應(yīng)用顏色映射import numpy as np import matplotlib.pyplot as plt # 生成一些數(shù)據(jù) data np.random.randn(10, 10) fig, axes plt.subplots(1, 2, figsize(10, 4)) # 使用‘jet‘不推薦 im0 axes[0].imshow(data, cmapjet) axes[0].set_title(Jet (Problematic)) plt.colorbar(im0, axaxes[0]) # 使用‘viridis‘推薦 im1 axes[1].imshow(data, cmapviridis) axes[1].set_title(Viridis (Perceptually Uniform)) plt.colorbar(im1, axaxes[1]) plt.tight_layout() plt.show()4.2 創(chuàng)建與注冊(cè)自定義顏色映射有時(shí)品牌指南或特定出版物要求使用固定的配色。我們可以創(chuàng)建自定義的顏色映射。從顏色列表創(chuàng)建線性分段顏色映射這是最常見(jiàn)的方式使用LinearSegmentedColormap.from_list()方法。from matplotlib.colors import LinearSegmentedColormap # 定義幾個(gè)關(guān)鍵節(jié)點(diǎn)的顏色 colors [#2A9D8F, #E9C46A, #E76F51] # 綠 - 黃 - 紅 # 創(chuàng)建顏色映射對(duì)象命名為‘my_cmap‘ my_cmap LinearSegmentedColormap.from_list(my_cmap, colors, N256) # 使用它 plt.imshow(data, cmapmy_cmap) plt.colorbar()創(chuàng)建發(fā)散顏色映射使用LinearSegmentedColormap.from_list()時(shí)確保顏色列表中間是你想要的中間色通常是白色或淺灰色。diverging_colors [#003f5c, #58508d, #bc5090, #ff6361, #ffa600] # 這是一個(gè)從深藍(lán)到橙色的多色漸變不是標(biāo)準(zhǔn)的發(fā)散色。 # 標(biāo)準(zhǔn)的紅-藍(lán)發(fā)散色可以這樣簡(jiǎn)單定義 red_blue_colors [blue, white, red] div_cmap LinearSegmentedColormap.from_list(red_blue, red_blue_colors)注冊(cè)顏色映射以便全局使用如果你希望像使用‘viridis’一樣通過(guò)字符串名字使用你的自定義顏色映射需要將其注冊(cè)到Matplotlib。from matplotlib import cm cm.register_cmap(namecompany_brand, cmapmy_cmap) # 現(xiàn)在可以全局使用了 plt.contourf(X, Y, Z, cmapcompany_brand)從圖片或ColorBrewer獲取顏色你可以使用在線工具或matplotlib.cm.get_cmap()獲取現(xiàn)有的顏色映射然后修改或截取它。# 獲取‘RdYlBu‘發(fā)散色并只取其中一部分 rdylbu cm.get_cmap(RdYlBu) # 截取從0.3到0.7的部分創(chuàng)建一個(gè)新的、對(duì)比更強(qiáng)的發(fā)散色 new_cmap LinearSegmentedColormap.from_list(truncated, rdylbu(np.linspace(0.3, 0.7, 256)))高級(jí)技巧對(duì)于更復(fù)雜的、非線性的顏色映射例如在中間部分變化更平緩你需要定義red,green,blue三個(gè)通道的插值字典并使用LinearSegmentedColormap的完整構(gòu)造函數(shù)。這更復(fù)雜但能實(shí)現(xiàn)完全控制。大多數(shù)情況下from_list方法已經(jīng)足夠。5. 高級(jí)技巧與常見(jiàn)問(wèn)題排查掌握了基礎(chǔ)之后我們來(lái)看看那些能讓你的圖表更上一層樓以及幫你避開(kāi)暗坑的高級(jí)技巧。5.1 透明度與邊緣色的妙用透明度通過(guò)RGBA格式或alpha參數(shù)控制透明度在數(shù)據(jù)點(diǎn)重疊如散點(diǎn)圖、繪制置信區(qū)間、或創(chuàng)建層次感時(shí)極其有用。# 散點(diǎn)圖重疊區(qū)域用透明度顯示密度 x np.random.randn(1000) y np.random.randn(1000) plt.scatter(x, y, alpha0.1, s20) # alpha0.1 90%透明 plt.title(Density revealed by transparency)邊緣色在scatter和bar中edgecolor(或ec) 和linewidth(或lw) 參數(shù)可以定義數(shù)據(jù)點(diǎn)的邊框。這能極大地提高圖形的清晰度尤其是在背景復(fù)雜或顏色相近時(shí)。categories [A, B, C, D] values [5, 7, 3, 9] colors [skyblue, lightgreen, salmon, gold] plt.bar(categories, values, colorcolors, edgecolorblack, linewidth1.5) # 給每個(gè)柱子加上黑色邊框使其在白色或淺色背景下更清晰5.2 處理大量分類顏色不夠用怎么辦當(dāng)分類超過(guò)10個(gè)甚至20個(gè)時(shí)簡(jiǎn)單的定性調(diào)色板可能顏色不夠用或者顏色過(guò)于相似難以區(qū)分。方案一使用循環(huán)色板像‘tab20’,‘tab20b’,‘tab20c’這樣的調(diào)色板提供了20種區(qū)分度較好的顏色可以組合使用。# 組合兩個(gè)20色的調(diào)色板來(lái)處理最多40個(gè)類別 cmap_tab20 plt.cm.get_cmap(tab20) cmap_tab20b plt.cm.get_cmap(tab20b) colors [] for i in range(30): if i 20: colors.append(cmap_tab20(i / 20)) else: colors.append(cmap_tab20b((i-20) / 20))方案二使用HSL/HUSL色彩空間均勻采樣seaborn的‘husl’或‘hls’調(diào)色板可以在色彩環(huán)上均勻地選取任意數(shù)量的顏色保證它們?cè)谏嗌嫌凶畲髤^(qū)分度。import seaborn as sns num_categories 25 husl_palette sns.color_palette(husl, num_categories) sns.palplot(husl_palette)方案三結(jié)合其他視覺(jué)通道當(dāng)分類實(shí)在太多比如超過(guò)50個(gè)僅靠顏色區(qū)分已經(jīng)不可行。此時(shí)必須結(jié)合其他視覺(jué)通道形狀在散點(diǎn)圖中為不同大類使用不同顏色再為每個(gè)大類下的子類使用不同形狀的標(biāo)記marker。分面使用plt.subplots或 Seaborn/Plotly 的facet功能將數(shù)據(jù)拆分到多個(gè)子圖中。交互在Plotly等交互式圖表中可以使用懸停提示hover來(lái)顯示類別信息而不是完全依賴顏色。核心原則永遠(yuǎn)不要試圖用顏色區(qū)分超過(guò)12-15個(gè)無(wú)序類別。人的短期記憶和色彩分辨能力是有限的。5.3 顏色相關(guān)的常見(jiàn)錯(cuò)誤與排查問(wèn)題1顏色顯示不正確或?yàn)楹谏赡茉騻魅肓隋e(cuò)誤格式的顏色值。例如將(255, 0, 0)0-255范圍的整數(shù)當(dāng)成了RGB元組傳給Matplotlib它期望0-1的浮點(diǎn)數(shù)。排查檢查顏色值格式。如果是0-255的整數(shù)需要除以255.0進(jìn)行歸一化color(255/255.0, 0/255.0, 0/255.0)或np.array([255, 0, 0]) / 255。問(wèn)題2顏色條Colorbar與圖像顏色不匹配可能原因在繪制多個(gè)使用顏色映射的圖形時(shí)沒(méi)有正確地將顏色條與對(duì)應(yīng)的mappable對(duì)象如imshow,contourf返回的對(duì)象關(guān)聯(lián)。正確做法# 錯(cuò)誤plt.colorbar() 可能關(guān)聯(lián)到最后一個(gè)活動(dòng)的axes # im1 ax1.imshow(data1, cmaphot) # im2 ax2.imshow(data2, cmapcool) # plt.colorbar() # 這個(gè)colorbar對(duì)應(yīng)哪個(gè) # 正確顯式指定mappable對(duì)象和axes fig, (ax1, ax2) plt.subplots(1, 2) im1 ax1.imshow(data1, cmaphot) im2 ax2.imshow(data2, cmapcool) plt.colorbar(im1, axax1) # 為ax1的圖像添加顏色條 plt.colorbar(im2, axax2) # 為ax2的圖像添加顏色條問(wèn)題3Seaborn調(diào)色板設(shè)置后純Matplotlib圖顏色沒(méi)變?cè)騭ns.set_palette()設(shè)置的是之后創(chuàng)建的圖形的屬性循環(huán)器。對(duì)之前創(chuàng)建的圖形或顯式指定了顏色的圖形無(wú)效。解決確保在sns.set_palette()或sns.set_theme()之后再創(chuàng)建你的圖形。或者更推薦在繪圖函數(shù)中通過(guò)palette參數(shù)局部設(shè)置。問(wèn)題4導(dǎo)出圖片如PDF/SVG后顏色變淡或不同原因顏色空間和透明度處理問(wèn)題。Matplotlib默認(rèn)使用RGB顏色空間而一些導(dǎo)出格式或查看器可能涉及顏色管理。解決在保存圖形時(shí)指定facecolor‘white’和edgecolor‘none’以確保背景干凈。對(duì)于印刷用途可以考慮使用CMYK顏色空間但這需要額外處理。避免使用過(guò)于接近白色或黑色的半透明疊加在導(dǎo)出為位圖如PNG時(shí)可能產(chǎn)生鋸齒。可以嘗試先保存為PDF矢量格式再在專業(yè)軟件中轉(zhuǎn)換。6. 從理論到實(shí)踐一套完整的配色工作流最后我將分享一套我個(gè)人在項(xiàng)目中遵循的、從零開(kāi)始確定圖表配色的實(shí)戰(zhàn)工作流。這套流程能幫你系統(tǒng)性地做出專業(yè)、美觀且富有信息量的配色決策。第一步明確數(shù)據(jù)與圖表類型數(shù)據(jù)是分類的、順序的還是發(fā)散的這是選擇調(diào)色板類型的根本依據(jù)。圖表是什么折線圖/柱狀圖多系列分類通常用定性色。熱圖/等高線圖/散點(diǎn)圖連續(xù)值用順序色或發(fā)散色。第二步確定基調(diào)和約束用途是學(xué)術(shù)論文、商業(yè)報(bào)告、儀表盤還是社交媒體學(xué)術(shù)圖需要清晰、保守、可能需考慮黑白打印‘cividis’,‘viridis’。商業(yè)報(bào)告可能需要貼合公司品牌色。受眾是否需要考慮色盲友好性避免紅綠對(duì)比使用‘colorblind’調(diào)色板或‘viridis’/‘plasma’。品牌色如果有公司或項(xiàng)目的主題色以其為起點(diǎn)構(gòu)建調(diào)色板。第三步選擇與構(gòu)建調(diào)色板分類數(shù)據(jù)如果類別數(shù) ≤ 6-8直接從Seaborn的‘deep’,‘muted’,‘bright’,‘Set2’,‘Set3’或Plotly的qualitative模塊中選一個(gè)。如果類別數(shù)多使用‘tab20’系列或‘husl’均勻采樣。檢查對(duì)比度將選中的顏色去色轉(zhuǎn)灰度檢查在黑白模式下是否仍有足夠的明度差異來(lái)區(qū)分。順序數(shù)據(jù)首選‘viridis’系列。如果需要更強(qiáng)烈的視覺(jué)沖擊考慮‘plasma’或‘inferno’。如果想強(qiáng)調(diào)“數(shù)量大顏色深”使用單色系如‘Blues’,‘Greens’。使用plt.cm.get_cmap(‘viridis’)(0.2)這樣的方式可以提取顏色映射中特定位置的顏色用作強(qiáng)調(diào)色。發(fā)散數(shù)據(jù)首選‘RdBu’或‘PiYG’。用‘_r’后綴反轉(zhuǎn)如果需要。確保中間色通常是白色或淺灰準(zhǔn)確地對(duì)應(yīng)你的數(shù)據(jù)中性點(diǎn)如0。第四步在代碼中應(yīng)用與測(cè)試在Notebook或腳本中用一個(gè)簡(jiǎn)單的測(cè)試數(shù)據(jù)集繪制圖表查看配色效果。關(guān)鍵測(cè)試重疊測(cè)試對(duì)于散點(diǎn)圖或線圖數(shù)據(jù)點(diǎn)重疊時(shí)透明度(alpha)是否設(shè)置得當(dāng)打印測(cè)試將圖表保存為灰度圖cmap‘gray’或去色處理檢查是否所有信息依然可辨。色盲模擬測(cè)試可以使用在線工具如Coblis或?qū)ｉT的Python庫(kù)如daltonlens來(lái)模擬色盲視角下的圖表效果。第五步迭代與文檔化根據(jù)測(cè)試反饋調(diào)整顏色、透明度或甚至調(diào)色板類型。將最終確定的顏色代碼十六進(jìn)制或RGB元組或調(diào)色板名稱記錄在項(xiàng)目的樣式指南或繪圖配置模塊中確保團(tuán)隊(duì)內(nèi)圖表風(fēng)格統(tǒng)一。對(duì)于Matplotlib項(xiàng)目可以創(chuàng)建一個(gè)自定義的style.mplstyle文件在其中定義axes.prop_cycle等參數(shù)實(shí)現(xiàn)一鍵應(yīng)用全局樣式。一個(gè)完整的示例創(chuàng)建公司品牌調(diào)色板假設(shè)公司品牌色是深藍(lán)色#003366和橙色#FF9900我們需要為一個(gè)有5個(gè)分類的柱狀圖配色。定性調(diào)色板以品牌藍(lán)和品牌橙作為起點(diǎn)利用seaborn.husl_palette()或在線調(diào)色板生成器如palettable或colorbrewer2生成在HUSL色彩空間中均勻分布的5種顏色確保包含品牌色。順序調(diào)色板從白色#FFFFFF漸變到品牌藍(lán)#003366創(chuàng)建‘company_blues’顏色映射。發(fā)散調(diào)色板從品牌藍(lán)#003366漸變到白色#FFFFFF再漸變到品牌橙#FF9900創(chuàng)建‘company_diverging’顏色映射。將這些自定義顏色映射注冊(cè)到Matplotlib并在團(tuán)隊(duì)中共享style.mplstyle文件。顏色是數(shù)據(jù)可視化中最具表現(xiàn)力也最易出錯(cuò)的環(huán)節(jié)之一。它沒(méi)有唯一的正確答案但遵循感知原理、考慮使用場(chǎng)景、并保持一致性能極大地提升你圖表的質(zhì)量和專業(yè)度。希望這份從基礎(chǔ)到進(jìn)階的匯總能成為你Python作圖路上隨時(shí)查閱的可靠色彩手冊(cè)。