概述
颜色映射表是一种数据渲染器，可以基于映射表将像素值转换成特定颜色。matplotlib 提供了很多的颜色映射表，可以通过 matplotlib.cm.register_cmap() 方法将新的颜色映射表添加到 matplotlib 中；也可以通过 matplotlib.pyplot.colormaps 方法获得所有可用的颜色映射表；一般情况下，可以在 image、scatter 上设置颜色映射表。目前有两种方式获得颜色映射表。
使用关键字参数
在绘图时可以通过关键字参数直接指定颜色映射表，例如：
pyplot.imshow(img, cmap=mpl.cm.hot)
pyplot.scatter(x, y, c=np.random.rand(10), cmap=mpl.cm.jet)
使用 set_cmap 方法
第二种方式是调用 set_cmap() 方法，该方法会设置一个全局的颜色映射表，例如：
pyplot.set_cmap("hot")
pyplot.set_cmap("jet")
颜色映射表一般可以分为三类：
- sequential：同一种颜色从低饱和度到高饱和度的单色颜色映射表；
- diverging：颜色从中间的明亮颜色开始，然后过度到两个不同颜色范围的方向上；
- qualitative：让不同种类的数据可以彼此之间轻易地区分出来；
除此之外，ColorBrewer 对颜色映射进行了限定，这导致出现了以下三种颜色映射表类型：
- ColorBrewer sequential：BrBG、PiYG、PRGn、PuOr 等；
- ColorBrewer diverging：Blues、BuGn、BuPu、GnBu 等；
- ColorBrewer qualitative：Accent、Dark2、Paired、Set1 等；
值得注意的是，全部内置的颜色映射表都可以通过增加后缀
_r的方式进行反转，例如jet_r就是 jet 的反向循环颜色映射表。最常用的颜色映射表有 autumn、bone、cool、copper、flag、gray、hot、hsv、jet、pink、prism、spring、summer、winter。
示例
为了更好的展示颜色映射表的使用，接下来我们将会使用 RdYlBu 颜色映射表进行散点图绘制，首先对RdYlBu 颜色映射表进行采样得到 9 个 Hex 形式的 RGB 值，之后通过散点图的形式将所有的颜色进行展示，其完整代码如下：
import matplotlib.pyplot as plt
import numpy as np
print(plt.get_cmap("RdYlBu"))
hex_html = ["#d73027", "#f46d43", "#fdae61", "#fee090", "#ffffbf", "#e0f3f8", "#abd9e9", "#74add1", "#4575b4"]
sample = 10000
fig, ax = plt.subplots(1, 1)
for j in range(len(hex_html)):
y = np.random.normal(0, 0.1, size=sample).cumsum()
x = np.arange(sample)
ax.scatter(x, y,
label=str(j),
linewidths=0.2,
edgecolors="grey",
facecolor=hex_html[j])
ax.legend()
plt.show()
画图效果如下：
使用颜色映射表
往期回顾
- 【matplotlib】可视化解决方案——如何调整轴脊位置
- 【matplotlib】可视化解决方案——如何设置坐标系计量方法
- 【matplotlib】可视化解决方案——如何正确使用文本注释
- 【matplotlib】可视化解决方案——如何调整计量单位和计量方法
- 【matplotlib】可视化解决方案——如何实现图形的动画效果
- 【matplotlib】可视化解决方案——如何正确使用plot方法
- 【matplotlib】可视化解决方案——如何向画布中添加坐标轴
- 【matplotlib】可视化解决方案——如何正确使用matplotlib颜色系统
- 【matplotlib】可视化解决方案——如何实现画布局部放大功能
- 【matplotlib】可视化解决方案——如何更改matplotlib配置信息
文中难免会出现一些描述不当之处（尽管我已反复检查多次），欢迎在留言区指正，相关的知识点也可进行分享，希望大家都能有所收获！！如果觉得我的文章写得还行，不妨支持一下。你的每一个转发、关注、点赞、评论都是对我最大的支持！
