### Colormap 颜色样式类型 Matplotlib 提供了大量的颜色映射（colormap），这些 colormap 可分为几类，每一种都有特定的应用场景和视觉效果[^1]。 #### 序列化（Sequential） 这类 colormap 主要用于表示数值大小的变化。通常从浅色调逐渐过渡到深色调，适用于单变量的数据分布展示。常见的序列化 colormap 包括 `Blues`、`Reds` 和 `Greens` 等[^4]。 ```python import matplotlib.pyplot as plt import numpy as np data = np.random.rand(10, 10) plt.figure() plt.imshow(data, cmap='Blues') plt.colorbar() plt.title('Sequential Blues Colormap Example') plt.show() ``` #### 发散型（Diverging） 发散型 colormap 设计用来突出中间值，并区分高于或低于该中心点的两个极端值。这种类型的 colormap 对比度较高，在正负差异明显的数据集中非常有用。例如 `RdBu` 或者 `Spectral` 是典型的代表[^2]。 ```python plt.figure() plt.imshow(data, cmap='RdBu') plt.colorbar() plt.title('Diverging RdBu Colormap Example') plt.show() ``` #### 定性/分类（Qualitative/Categorical） 当需要区别不同类别而非数量关系时，则会选用定性的 colormap。它们由一组离散的颜色组成，旨在最大化相邻颜色之间的对比度以便清晰地区分各个组别。像 `tab10`, `Set1` 这样的 colormap 就属于此类[^3]。 ```python categories = ['Category A', 'Category B'] colors = ['blue', 'orange'] for i, category in enumerate(categories): plt.bar(i, height=np.random.randint(5, size=1)[0], color=colors[i]) plt.xticks(range(len(categories)), categories) plt.ylabel('Some Metric') plt.title('Categorical Data with Qualitative Colors') plt.show() ``` #### 循环渐变（Cyclic） 对于周期性质的数据集来说，循环渐变 colormap 能够很好地表达重复模式下的变化趋势。比如相位角或者方向角度这样的参数就适合用 `twilight_shifted` 来呈现。 ```python angle_data = np.linspace(0, 2 * np.pi, num=100).reshape((10, 10)) plt.figure() plt.imshow(angle_data, cmap='twilight_shifted') plt.colorbar(label="Angle (radians)") plt.title('Cyclic Twilight Shifted Colormap Example') plt.show() ``` #### 自定义Colormap 除了上述预设好的 colormap 外，还可以通过自定义来创建满足特殊需求的新 colormap。这可以通过 LinearSegmentedColormap 函数实现，允许指定任意数量的颜色节点以及其间的插值方式。 ```python from matplotlib.colors import LinearSegmentedColormap custom_colors = [(0, "white"), (0.5, "red"), (1, "black")] my_cmap = LinearSegmentedColormap.from_list(name='custom_colormap', colors=custom_colors) plt.figure() plt.imshow(data, cmap=my_cmap) plt.colorbar() plt.title('Custom Defined Colormap Example') plt.show() ```