### Python 中不同渐变色的使用方法及差异 Matplotlib 提供了多种颜色映射方案来增强数据可视化的效果。其中 `viridis`、`plasma`、`inferno` 和 `coolwarm` 是常用的几种渐变色。 #### Viridis Colormap Viridis 色彩图是一种感知上均匀的颜色序列，适用于大多数类型的数据显示[^1]。这种色彩图从深蓝色过渡到黄色，在灰度显示下也能保持良好的对比度和可读性。 ```python import numpy as np import matplotlib.pyplot as plt from matplotlib.colors import Normalize from mpl_toolkits.axes_grid1 import make_axes_locatable data = np.random.rand(10, 10) fig, ax = plt.subplots() im = ax.imshow(data, cmap='viridis') divider = make_axes_locatable(ax) cax = divider.append_axes('right', size='5%', pad=0.05) plt.colorbar(im, cax=cax) plt.title("Viridis Color Map") plt.show() ``` #### Plasma Colormap Plasma 颜色映射同样属于感知一致性的顺序型配色方案之一，它由紫色逐渐变化至亮橙红色调[^2]。此选项非常适合用于强调高数值区域的数据集展示。 ```python fig, ax = plt.subplots() im = ax.imshow(data, cmap='plasma') divider = make_axes_locatable(ax) cax = divider.append_axes('right', size='5%', pad=0.05) plt.colorbar(im, cax=cax) plt.title("Plasma Color Map") plt.show() ``` #### Inferno Colormap Inferno 的设计目的是为了提供一种高度直观且视觉冲击力强的选择，其色调范围是从黑色经过暗红直至明亮的黄白色。对于希望突出极端值或高温区的应用场景非常有用。 ```python fig, ax = plt.subplots() im = ax.imshow(data, cmap='inferno') divider = make_axes_locatable(ax) cax = divider.append_axes('right', size='5%', pad=0.05) plt.colorbar(im, cax=cax) plt.title("Inferno Color Map") plt.show() ``` #### Coolwarm Colormap Coolwarm 则是一个双端发散式的色彩配置，一边是冷色调（蓝），另一边则是暖色调（红）。该模式特别适合用来表示具有正负方向意义的数据分布情况。 ```python fig, ax = plt.subplots() im = ax.imshow(np.linspace(-1, 1, 10).reshape((1,-1)).repeat(10,axis=0), cmap='coolwarm') divider = make_axes_locatable(ax) cax = divider.append_axes('right', size='5%', pad=0.05) plt.colorbar(im, cax=cax) plt.title("Coolwarm Diverging Color Map") plt.show() ``` 每种色彩映射都有各自的特点以及适用场合，选择合适的色彩可以帮助更好地传达信息并提高图形的表现力。