亚洲最大色网,99在线视频免费观看,亚洲男人天堂网

概述

上一篇詳細(xì)介紹了 matplotlib 直接使用"格式化的顏色定義"給圖表元素配色。如，直接指定 axes.plot 繪制的 line2d 的顏色 fmt = 'r'。

有時(shí)我們希望圖表元素的顏色與數(shù)據(jù)集中某個(gè)變量的值相關(guān)，顏色隨著該變量值的變化而變化，以反映數(shù)據(jù)變化趨勢(shì)、數(shù)據(jù)的聚集、分析者對(duì)數(shù)據(jù)的理解等信息，這時(shí)，我們就要用到 matplotlib 的顏色映射（colormap）功能，即將數(shù)據(jù)映射到顏色。

要實(shí)現(xiàn)數(shù)據(jù)到顏色的映射需要做兩件事：

變量值的變化范圍很大，matplotlib用 [0, 1] 區(qū)間的浮點(diǎn)數(shù)表示顏色rgb值，首先需要將不同的變量值映射到[0, 1]區(qū)間；
將映射[0, 1]區(qū)間的變量值映射到顏色。

matplotlib.colors 模塊是實(shí)現(xiàn) colormap 配色功能的核心模塊。

該模塊的normalize()類及其子類完成第1個(gè)任務(wù)；
該模塊的colormap類及其子類完成第2個(gè)任務(wù)。

將上述兩個(gè)類的實(shí)例，即：

定義變量數(shù)據(jù)映射到[0, 1]區(qū)間的規(guī)則；
和[0, 1]映射到顏色的規(guī)則。

作為參數(shù)傳遞給繪圖函數(shù)，即可實(shí)現(xiàn)顏色反映變量數(shù)據(jù)屬性的目的。參見下面的入門示例。

入門示例

我們先看一個(gè)示例，簡(jiǎn)單、直觀地了解 matplotlib.colors模塊的工作原理。

使用有名的 iris data set（鳶尾屬植物數(shù)據(jù)集）中的數(shù)據(jù)來演示圖表的繪制和配置，這樣更接近實(shí)際的應(yīng)用?？梢缘絨q群：457079928中下載這個(gè)數(shù)據(jù)集iris.csv。

iris 數(shù)據(jù)集首次出現(xiàn)在著名的英國(guó)統(tǒng)計(jì)學(xué)家和生物學(xué)家ronald fisher 1936年的論文《the use of multiple measurements in taxonomic problems》中，被用來介紹線性判別式分析。

在這個(gè)數(shù)據(jù)集中，包括了三類不同的鳶尾屬植物：iris setosa，iris versicolour，iris virginica。每類收集了50個(gè)樣本，因此這個(gè)數(shù)據(jù)集一共包含了150個(gè)樣本。

該數(shù)據(jù)集測(cè)量了 150 個(gè)樣本的 4 個(gè)特征，分別是：

sepal length（花萼長(zhǎng)度）
sepal width（花萼寬度）
petal length（花瓣長(zhǎng)度）
petal width（花瓣寬度）

以上四個(gè)特征的單位都是厘米（cm）。

				?

									%matplotlib inline

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									iris_df = pd.read_csv('iris.csv',index_col='index_col')

									#用花萼長(zhǎng)度作為 x 值， 花萼寬度作為 y 值繪制散點(diǎn)圖

									x = iris_df['petallength'].values

									y = iris_df['sepallength'].values

									fig = plt.figure()

									ax= plt.axes()

									# 直接指定顏色

									# 點(diǎn)的顏色都一樣，顏色不反映更多的信息

									plt.scatter(x, y,c='g')

									plt.show()

Matplotlib配色之Colormap詳解

如果我們分析這個(gè)數(shù)據(jù)，圖中的點(diǎn)聚集成 3 個(gè)組，如下圖所示：

Matplotlib配色之Colormap詳解

我們希望用點(diǎn)的顏色反映這種分組聚集的信息，可以這樣做：

定義一個(gè)三個(gè)顏色的列表為 colormap;
定義一個(gè)數(shù)據(jù)歸一化的實(shí)例，將希望關(guān)聯(lián)顏色的數(shù)據(jù)映射到[0, 1]區(qū)間；
使用 cmap, norm 實(shí)現(xiàn)圖表元素的分組配色。

				?

									%matplotlib inline

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									iris_df = pd.read_csv('../topics/iris.csv',index_col='index_col')

									x = iris_df['petallength'].values

									y = iris_df['sepallength'].values

									fig = plt.figure()

									ax= plt.axes()

									#創(chuàng)建一個(gè)listedcolormap實(shí)例

									#定義了[0, 1]區(qū)間的浮點(diǎn)數(shù)到顏色的映射規(guī)則

									cmp = mpl.colors.listedcolormap(['r','g','b'])

									# 創(chuàng)建一個(gè)boundarynorm實(shí)例

									# boundarynorm是數(shù)據(jù)分組中數(shù)據(jù)歸一化比較好的方法

									# 定義了變量值到 [0, 1]區(qū)間的映射規(guī)則，即數(shù)據(jù)歸一化

									norm = mpl.colors.boundarynorm([0, 2, 6.4, 7], cmp.n)

									#繪制散點(diǎn)圖，用x值著色，

									#使用norm對(duì)變量值進(jìn)行歸一化，

									#使用自定義的listedcolormap顏色映射實(shí)例

									#norm將變量x的值歸一化

									#cmap將歸一化的數(shù)據(jù)映射到顏色

									plt.scatter(x,y,c=x, cmap=cmp, norm=norm, alpha=0.7)

									plt.show()

Matplotlib配色之Colormap詳解

上圖就比較直觀地反映了數(shù)據(jù)的分組信息。

上面的示例使用了 colors 模塊中的主要功能，下面就詳細(xì)討論該模塊的架構(gòu)。

maplotlib.colors 模塊

matplotlib.colors模塊的架構(gòu)如下圖所示：

Matplotlib配色之Colormap詳解

matplotlib.colors模塊定義了11個(gè)類，定義了10個(gè)模塊命名空間的方法。

matplotlib.colors模塊的主要功能就是將數(shù)字或顏色參數(shù)轉(zhuǎn)換為rgb或rgba。

rgb和rgba分別是0-1范圍內(nèi)3個(gè)或4個(gè)浮點(diǎn)數(shù)的序列。參見上一篇 matplotlib 顏色定義格式規(guī)范中的相關(guān)內(nèi)容。

此模塊包括：

用于將數(shù)字歸一化的類和方法，即將列表中的數(shù)據(jù)映射到 [0,1]區(qū)間的浮點(diǎn)數(shù)；

用于將歸范化后的數(shù)字映射到一維數(shù)組中的顏色，稱之為 colormap。

理解 matplotlib.colors 模塊的工作

構(gòu)建一個(gè)[0,1] 或 [0, 255]區(qū)間，該區(qū)間上有256個(gè)點(diǎn)；請(qǐng)想像把這256個(gè)點(diǎn)從左到右排列成一個(gè)長(zhǎng)條；
通過normalize類（或者它的子類，映射方法不同）將數(shù)據(jù)映射到這個(gè)區(qū)間，比如上例中'petallength'數(shù)據(jù)區(qū)間是[1.0, 6.9], 就將區(qū)間[1.0, 6.9]映射到[0, 1]; 上例中定義了一個(gè)boundarynorm實(shí)例；
構(gòu)建一個(gè)colormap（通常是它的子類）實(shí)例，該實(shí)例是一個(gè)顏色名稱列表，或者浮點(diǎn)數(shù)數(shù)組表示的rgb值；
這個(gè)顏色列表依次排列在[0, 1]這個(gè)區(qū)間的256個(gè)點(diǎn)上，但每個(gè)顏色（colormap中列出的顏色）占用的位置和區(qū)間則由normalize指定；上例中定義一個(gè)cmp = mpl.colors.listedcolormap(['r','g','b'])，列出了3種顏色；
如果沒有定義colormap，則默認(rèn)使用rc image.cmap中的設(shè)置；
如果不指定normalize，則默認(rèn)使用colors.normalize。

matplotlib.colormap類及其子類

matplotlib.colors模塊的colormap類是一個(gè)基類，提供了將[0, 1]的數(shù)據(jù)映射到顏色的一些屬性和方法供其子類使用，很少直接使用該基類，主要使用它的兩個(gè)子類：

listedcolrmap()
linearsegmentedcolormap()

這兩個(gè)子類就是兩種不同的映射方法。

colors.listedcolormap()子類

listedcolormap()類從顏色列表生成一個(gè)colormap。

				?

									class matplotlib.colors.listedcolormap(colors, name='from_list', n=none)

**colors**參數(shù)有兩種形式：

matplotlib 接受的規(guī)范的顏色列表，如['r', 'g', 'b'], 或['c0', 'c3', 'c7']，等，詳見基礎(chǔ)篇；
用[0, 1]區(qū)間的浮點(diǎn)數(shù)表示的rgb （n3）或 rgba （n4)的數(shù)組，如：array((0.9, 0.1, 0.1),(0.1, 0.9, 0.1),(0.1, 0.1, 0.9))

以colors = ['r', 'g', 'b']為例：

就是將[0, 1]區(qū)間劃分為三段，第一段映射為'r'色，第二段映射為'g'色，第三段映射為'b'色。

請(qǐng)看下面的示例：

				?

									#本示例演示對(duì)散點(diǎn)條分段著不同顏色

									%matplotlib inline

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									import matplotlib.colors

									x= np.linspace(1, 12, 24, endpoint=true)

									y=x/x

									fig = plt.figure()

									ax= plt.axes()

									# 將`[0, 1]`區(qū)間簡(jiǎn)單地分成四段，依次映射為列表`['r','g','b','y']`中列出的顏色

									cmp = mpl.colors.listedcolormap(['r','g','b','y'])

									#繪制散點(diǎn)圖，用x值著色

									#沒有指定norm，所以使用默認(rèn)的`colors.normalize`

									#將x的值區(qū)間為 [1, 24]`映射（歸一化）到`[0, 1]`區(qū)間

									plt.scatter(x, y,s=120, marker='s', c=x, cmap=cmp)

									plt.show()

Matplotlib配色之Colormap詳解

參數(shù) name

可選參數(shù)。

給自定義的colormap命名，將這個(gè)colormap注冊(cè)到matplotlib，后面即可以通過名稱來反復(fù)調(diào)用該colormap。

參數(shù) n

可選參數(shù)。

從列表中的顏色輸入到映射的顏色數(shù)量。默認(rèn)為none，即列表中的每個(gè)顏色都作為一項(xiàng)輸入到映射中。簡(jiǎn)單地說，就是選用列表中的顏色數(shù)量。如果

n < len(colors)，列表被截?cái)?，即選用列表前n個(gè)顏色，后面的丟棄。
n > len(colors)，通過重復(fù)列表以擴(kuò)展列表。

				?

									#本示例演示了參數(shù) n 的用法

									%matplotlib inline

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									import matplotlib.colors

									x= np.linspace(1, 12, 24, endpoint=true)

									y=x/x

									fig = plt.figure()

									ax= plt.axes()

									ax.set_ylim(0.6, 1.5)

									# 將`[0, 1]`區(qū)間簡(jiǎn)單地分成 n 段

									# 由于n>len(colors)，所以重復(fù)列表以擴(kuò)展顏色列表

									cmp = mpl.colors.listedcolormap(['c2','c5','c0','c8'],n=6)

									# n<len(colors)，所以截?cái)囝伾斜?/code>

									cmp2 = mpl.colors.listedcolormap(['c2','c5','c0','c8'],n=2)

									#繪制散點(diǎn)圖，用x值著色

									#沒有指定norm，所以使用默認(rèn)的`colors.normalize`

									#將x的值區(qū)間為 [1, 24]`映射（歸一化）到`[0, 1]`區(qū)間

									plt.scatter(x, x/x*1.1,s=120, marker='s', c=x, cmap=cmp)

									plt.scatter(x, x/x*0.9,s=120, marker='s', c=x, cmap=cmp2)

									plt.show()

Matplotlib配色之Colormap詳解

colors.linearsegmentedcolormap()子類

				?

									class matplotlib.colors.linearsegmentedcolormap(name, segmentdata, n=256, gamma=1.0)

基于線性分段的查找表，從線性映射段創(chuàng)建顏色映射 colormap 對(duì)象。

線性分段查找表是使用對(duì)每個(gè)原色進(jìn)行線性插值生成的。

segmentdata參數(shù)就是這個(gè)線性分段查找表。

segmentdata是一個(gè)帶'red'、‘green'、'blue'元素項(xiàng)的字典，即這個(gè)字典有三個(gè)keys：‘red'、‘green'、‘blue'。

每個(gè)健的值是一個(gè)列表，值列表的元素是形如： (x, y0, y1) 的元組，每個(gè)元組是列表的一行。

注意： ‘red'、‘green'、'blue'元素項(xiàng)不能少。

該字典中每個(gè)鍵的值列表的形式如下：

Matplotlib配色之Colormap詳解

表中給定顏色的每一行都是形如 x, y0, y1 的元組，若干個(gè)元組構(gòu)成列表。

在每個(gè)鍵的值序列中，x 必須從 0 到 1 單調(diào)增加。對(duì)于介于 x[i] 和 x[i+1] 之間的任何輸入值 z, 給定顏色的輸出值將在 y1[i] 和 *y0[i+1]*之間線性插值。

理解線性分段查找表segmentdata

colors.linearsegmentedcolormap()子類在[0,1]區(qū)間上每個(gè)點(diǎn)的顏色是由該點(diǎn)的'red'、‘green'、'blue'三原色的值混合確定；

segmentdata 參數(shù)以一個(gè)字典形式提供每一段三原色值；

每個(gè)原色在[0, 1]區(qū)間上可以分段，分幾段由鍵值對(duì)中值列表的行數(shù)決定，分段的點(diǎn)則由元組(x, y0, y1)中的x值決定，如：

				?

									'red':  [(0.0, 0.0, 0.0),

									     (0.4, 1.0, 1.0),

									     (1.0, 1.0, 1.0)]

表示:

將[0, 1]區(qū)間分成兩段，以 0.4 的位置為斷點(diǎn)；
[0, 0.4]區(qū)間段內(nèi)，'red'的值從 0.0 線性增加到 1.0；
[0.4, 1.0]區(qū)間段內(nèi)，'red'的值保持 1.0 不變。

‘green', 'blue'值依此類推；
每個(gè)點(diǎn)的顏色則由三原色值混合而成。

				?

									#本示例演示 linearsegmentedcolormap 映射用法

									#對(duì)數(shù)據(jù)分段，每一段的內(nèi)部通過線性插值獲得顏色值

									#請(qǐng)注意比較與listedcolormap的不同

									%matplotlib inline

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									x= np.linspace(1, 12, 24, endpoint=true)

									y=x/x

									fig = plt.figure()

									ax= plt.axes()

									ax.set_ylim(0.5,1.1)

									# 在0.4位置設(shè)置斷點(diǎn)，分為兩段

									# 從0.0到0.4之間的 red 值是從 1.0 到 0.0 線性插值生成的（即漸變的），即從紅色到黑色

									# green, blue的值從開始點(diǎn)到結(jié)束點(diǎn)都是零

									# 從 0.4 到 1.0，則始終是紅色

									cdict1 = {'red':  [(0.0, 0.0, 1.0),

									          (0.4, 0.0, 1.0),

									          (1.0, 1.0, 1.0)],

									     'green': [(0.0, 0.0, 0.0),

									          (1.0, 0.0, 0.0)],

									     'blue': [(0.0, 0.0, 0.0),

									          (1.0, 0.0, 0.0)]}

									#將斷點(diǎn)設(shè)置在0.8的位置

									cdict2 = {'red':  [(0.0, 0.0, 1.0),

									          (0.8, 0.0, 1.0),

									          (1.0, 1.0, 1.0)],

									     'green': [(0.0, 0.0, 0.0),

									          (1.0, 0.0, 0.0)],

									     'blue': [(0.0, 0.0, 0.0),

									          (1.0, 0.0, 0.0)]}

									cmp1 = mpl.colors.linearsegmentedcolormap('name',cdict1)

									cmp2 = mpl.colors.linearsegmentedcolormap('name',cdict2)

									#繪制散點(diǎn)圖，用x值著色

									plt.scatter(x, x/x*0.9,s=120,marker='s',c=x,cmap=cmp1,edgecolor='black')

									plt.scatter(x, x/x*0.7,s=120,marker='s',c=x,cmap=cmp2,edgecolor='black')

									plt.show()

Matplotlib配色之Colormap詳解

				?

									# 再看一個(gè)示例

									%matplotlib inline

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									x= np.linspace(1, 12, 24, endpoint=true)

									y=x/x

									fig = plt.figure()

									ax= plt.axes()

									cdict = {'red':  [(0.0, 0.0, 0.2),

									          (0.5, 1.0, 1.0),

									          (1.0, 1.0, 1.0)],

									     'green': [(0.0, 0.0, 0.5),

									          (0.75, 1.0, 1.0),

									          (1.0, 1.0, 1.0)],

									     'blue': [(0.0, 0.0, 0.3),

									          (0.25,0.0, 0.0 ),

									          (0.5, 0.0, 0.0),

									          (1.0, 1.0, 1.0)]}

									cmp = mpl.colors.linearsegmentedcolormap('lsc',segmentdata=cdict)

									#繪制散點(diǎn)圖，用x值著色

									plt.scatter(x, y,s=120,marker='s',c=x,cmap=cmp,edgecolor='black')

									plt.show()

Matplotlib配色之Colormap詳解

matplotlib.cm 模塊

matplotlib.colors模塊：

用于構(gòu)建一個(gè)[0, 1]的標(biāo)量數(shù)據(jù)到顏色的映射，colormap 實(shí)例;
將實(shí)際數(shù)據(jù)歸一化到[0, 1]區(qū)間，normalize及其子類的實(shí)例。

有時(shí)我們還需要對(duì)上述實(shí)例進(jìn)行一些處理，如將自定義的colormap注冊(cè)到matplotlib，后面通過其名稱調(diào)用它；查詢colormap在某個(gè)數(shù)據(jù)歸一化方法下各點(diǎn)的rgba值。

matplotlib設(shè)計(jì)了cm模塊，提供了：

內(nèi)置的顏色映射 colormap，將顏色名稱映射到標(biāo)準(zhǔn)的顏色定義；
colormap 處理工具；
如注冊(cè)一個(gè)colormap，通過名稱獲取一個(gè)colormap；
scalarmappable 混合類，這個(gè)混合類用以支持將標(biāo)量數(shù)據(jù)映射到rgba顏色。scalarmappable 在從給定的colormap返回rgba顏色之前使用數(shù)據(jù)歸一化化。

cm模塊設(shè)計(jì)了 1 個(gè)混合類，提供了17個(gè)函數(shù)方法。

其中有3個(gè)函數(shù)方法屬于模塊空間：

matplotlib.cm.get_cmap(name=none, lut=none)
matplotlib.cm.register_cmap(name=none, cmap=none, data=none, lut=none)
matplotlib.cm.revcmap(data)

有14個(gè)函數(shù)方法屬于scalarmappable類空間：

add_checker(self, checker)
autoscale(self)
autoscale_none(self)
changed(self)
check_update(self, checker)
get_alpha(self)
get_array(self)
get_clim(self)
get_cmap(self)
set_array(self, a)
set_clim(self, vmin=none, vmax=none)
set_cmap(self, cmap)
set_norm(self, norm)
to_rgba(self, x, alpha=none, bytes=false, norm=true)

class scalarmappable

				?

									class matplotlib.cm.scalarmappable(norm=none, cmap=none)

scalarmappable混合類，用于支持標(biāo)量數(shù)據(jù)到rgba的映射。在從給定的colormap中返回rgba顏色之前，scalarmappable利用了數(shù)據(jù)歸一化。

注：使用了scalarmappable實(shí)例的to_rgba()方法。

matplotlib.cm.scalarmappable 類充分利用data->normalize->map-to-color處理鏈，以簡(jiǎn)化操作的步驟。

scaplarmapable類以matplotlib.colors模塊的 normalize實(shí)例和colormap實(shí)例為參數(shù)。

如果是norm = none, norm 默認(rèn)為colors.normalize對(duì)象。

colormap 有三個(gè)來源：

內(nèi)置的；
第三方的colormap庫(kù)；
自定義的。

如果為none，默認(rèn)為rcparams.image.cmap中的設(shè)置。

matplotlib.colors 和 matplotlib.cm 模塊的關(guān)系如下圖所示：

Matplotlib配色之Colormap詳解

				?

									%matplotlib inline

									?

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									?

									x= np.linspace(1, 12, 24, endpoint=true)

									y=x/x

									?

									fig = plt.figure()

									ax= plt.axes()

									ax.set_ylim(0.8, 1.2)

									?

									#傳遞不同的cmap

									#繪制散點(diǎn)圖，用x值著色

									plt.scatter(x, y*1.05,s=120, marker='s',c=x, cmap='viridis')

									plt.scatter(x, y*0.95,s=120, marker='s',c=x, cmap='magma')

									?

									plt.show()

Matplotlib配色之Colormap詳解

				?

									#觀察相同的cmap，不同的norm，返回的rgba值

									norm1 = mpl.colors.lognorm()

									norm2 = mpl.colors.twoslopenorm(0.4)

									sm1 = mpl.cm.scalarmappable(norm1, 'viridis')

									sm2 = mpl.cm.scalarmappable(norm2, 'viridis')

Matplotlib配色之Colormap詳解

				?

									#觀察相同的norm, 不同的cmap，返回的rgba值

									norm = mpl.colors.lognorm()

									sm3 = mpl.cm.scalarmappable(norm, 'viridis')

									sm4 = mpl.cm.scalarmappable(norm, 'magma')

Matplotlib配色之Colormap詳解

再看一個(gè)實(shí)例

				?

									%matplotlib inline

									import numpy as np

									import pandas as pd

									import matplotlib as mpl

									import matplotlib.pyplot as plt

									iris_df = pd.read_csv('iris.csv',index_col='index_col')

									iris_df.head()

									petal_l = iris_df['petallength'].values

									sepal_l = iris_df['sepallength'].values

									x = petal_l

									y = sepal_l

									fig = plt.figure()

									ax= plt.axes()

									#調(diào)用cm.get_cmap()方法，

									#獲取內(nèi)置的名為'ocean'的olormap實(shí)例

									cmp = plt.get_cmap('ocean')

									#創(chuàng)建一個(gè)normalize實(shí)例

									norm = plt.normalize(vmin=np.min(x),vmax=np.max(x))

									#繪制散點(diǎn)圖，用x值著色，

									#使用norm對(duì)進(jìn)行歸一化，

									#使用內(nèi)置的'ocean'映射

									plt.scatter(x, y,c=x,cmap=cmp,norm=norm)

									plt.show()