### Matplotlib 中应用不同 `cmap` 颜色映射 在 Matplotlib 的可视化过程中，可以通过多种方式指定和更改颜色映射 (`cmap`)。以下是几种常见的方法来设置不同的 `cmap`： #### 使用字符串参数设定 `cmap` 最简单的方式是在绘图函数中通过传递预定义的颜色映射名称作为字符串来设置 `cmap` 参数。 ```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('Using String Parameter "Blues"') plt.show() ``` 此代码片段展示了如何利用 `'Blues'` 这一内置颜色映射方案绘制图像[^1]。 #### 导入并使用 `cm` 模块中的对象 另一种更灵活的方法是从 `matplotlib.cm` 模块导入特定的颜色映射实例，并将其赋给 `cmap` 参数。 ```python from matplotlib import cm plt.figure() plt.imshow(data, cmap=cm.Reds) plt.colorbar() plt.title('Using Colormap Object from cm Module') plt.show() ``` 这段代码说明了怎样借助 `cm.Reds` 来实现红色系的颜色渐变效果。 #### 动态获取当前使用的 `cmap` 名字 如果想要知道某个已创建的颜色映射的具体名字，则可以直接访问其 `.name` 属性。 ```python current_colormap = cm.viridis print(f"The name of the current colormap is {current_colormap.name}") ``` 上述例子会打印出 `"viridis"` 字符串，表明所选的是默认的 Viridis 色彩表单[^2]。 #### 创建自定义 `cmap` 对于更加复杂的需求，还可以构建自己的颜色映射规则。这涉及到定义新的颜色序列或线性分段表格等操作。 ```python from matplotlib.colors import LinearSegmentedColormap colors = [(0, "#ff9999"), (0.5, "#ffffff"), (1, "#66b3ff")] # 定义三元组列表 custom_cmap = LinearSegmentedColormap.from_list(name="my_custom", colors=colors) plt.figure() plt.imshow(data, cmap=custom_cmap) plt.colorbar() plt.title('Custom Defined Color Map') plt.show() ``` 这里展示了一种基于 RGB 值创建个性化色彩过渡模式的技术[^3]。