### 使用 Viridis 颜色映射 Viridis 是一种感知上均匀的颜色映射，在数据可视化中非常受欢迎。为了在 Python 中使用 `viridis` 颜色映射，可以通过 Matplotlib 提供的功能来实现。 #### 获取并应用 Viridis 色彩映射对象 通过调用 `cm.get_cmap()` 函数可以获得一个名为 `viridis` 的色彩映射对象，并指定其离散级别数量为 8： ```python import numpy as np from matplotlib import cm viridis = cm.get_cmap('viridis', 8)[^1] ``` 此代码片段创建了一个具有八个不同色调级别的 `viridis` 颜色表。 #### 散点图中的应用实例 下面是一个简单的例子，展示了如何在一个二维散点图中利用上述定义好的 `viridis` 配置给定的数据集着色: ```python import matplotlib.pyplot as plt import numpy as np fig, ax = plt.subplots(figsize=(6, 4)) data_points_x, data_points_y = np.random.rand(2, 100) scatter_plot = ax.scatter( data_points_x, data_points_y, c=data_points_x + data_points_y, # Color by sum of coordinates cmap=viridis # Apply the viridis colormap here ) plt.colorbar(scatter_plot) # Add a color bar legend on side plt.title("Scatter Plot with Viridis Colormap") plt.show() ``` 这段脚本会生成一张带有颜色渐变效果的随机分布点阵图像，其中每个点的颜色取决于它所在位置坐标之和，并且这些颜色是从预先设定好的 `viridis` 映射里选取出来的。 #### Seaborn 库里的集成方式 Seaborn 这个统计绘图库也内置支持多种美观的主题样式以及丰富的配色方案，其中包括了对 `viridis` 的良好兼容性。这里给出一段基于 Seaborn 绘制热力图的例子： ```python import seaborn as sns import pandas as pd # 假设有一个 DataFrame 类型的数据源 df_heatmap df_heatmap = pd.DataFrame(np.random.randn(10, 12)) heatmap_figure = sns.heatmap(df_heatmap, annot=True, fmt=".1f", cmap="viridis") plt.title("Heatmap Using Viridis in Seaborn") plt.show() ``` 在这个案例里面，只需要简单设置参数 `cmap="viridis"` 即可让 Seaborn 自动采用该风格渲染整个表格内的数值变化趋势[^4]。