在 Python 中，`colormap`（颜色映射）主要用于将数值映射到颜色，常用于可视化任务，如热图、等高线图、表面图等。`matplotlib` 是 Python 中最常用的绘图库，它提供了丰富的 `colormap` 支持。 ### 使用 `colormap` 参数 在 `matplotlib` 中，许多绘图函数（如 `imshow`, `contourf`, `scatter` 等）都支持 `cmap` 参数，用于指定颜色映射。例如： ```python import matplotlib.pyplot as plt import numpy as np data = np.random.rand(10, 10) plt.imshow(data, cmap='viridis') # 使用内置的 'viridis' colormap plt.colorbar() plt.show() ``` ### 设置自定义的 `colormap` 可以通过 `ListedColormap` 类创建自定义的颜色映射。例如，使用 RGB 值列表定义颜色： ```python from matplotlib.colors import ListedColormap import numpy as np # 自定义颜色列表 colors = [(1, 0, 0), (0, 1, 0), (0, 0, 1)] # 红色、绿色、蓝色 cmap = ListedColormap(colors, name='custom_colormap') # 使用自定义 colormap data = np.random.rand(10, 10) plt.imshow(data, cmap=cmap) plt.colorbar() plt.show() ``` ### 从文件加载颜色表 可以将颜色定义保存在文件中（如 `.txt` 文件），每行包含三个数字，表示 RGB 值。然后读取该文件并创建 `ListedColormap`： ```python from matplotlib.colors import ListedColormap import numpy as np def load_colormap_from_file(file_path): with open(file_path, 'r') as f: data = f.readlines() n = len(data) rgb = np.zeros((n, 3)) for i in range(n): rgb[i] = list(map(float, data[i].strip().split(','))) / 255.0 return ListedColormap(rgb, name='custom_from_file') # 使用文件加载的 colormap cmap = load_colormap_from_file('path_to_your_file.txt') data = np.random.rand(10, 10) plt.imshow(data, cmap=cmap) plt.colorbar() plt.show() ``` ### 使用 `TwoSlopeNorm` 调整 `colormap` 如果希望将特定值（如 `0`）映射到颜色映射的中间位置（如白色），可以使用 `TwoSlopeNorm` 来调整 `colormap`： ```python from matplotlib.colors import TwoSlopeNorm import matplotlib.pyplot as plt import numpy as np def get_adjusted_cmap(cmap, vmin, vmax, vcenter=0): norm = TwoSlopeNorm(vmin=vmin, vcenter=vcenter, vmax=vmax) return cmap, norm # 获取调整后的 colormap 和 norm cmap, norm = get_adjusted_cmap(plt.cm.coolwarm, vmin=-2, vmax=10, vcenter=0) # 可视化 colormap data = np.random.rand(10, 10) * 12 - 2 # 生成范围在 [-2, 10] 的随机数据 plt.imshow(data, cmap=cmap, norm=norm) plt.colorbar() plt.show() ``` ### 内置的 `colormap` 类型 `matplotlib` 提供了多种内置的 `colormap`，可以分为以下几类： 1. **Sequential（顺序型）**：适用于从低到高变化的数据，如 `'viridis'`, `'plasma'`, `'inferno'`, `'magma'`。 2. **Diverging（发散型）**：适用于有中心值（如 0）的数据，如 `'coolwarm'`, `'bwr'`, `'seismic'`。 3. **Qualitative（定性型）**：适用于分类数据，如 `'tab10'`, `'tab20'`。 4. **Cyclic（循环型）**：适用于周期性数据，如 `'hsv'`。 ### 示例：使用不同类型的 `colormap` ```python import matplotlib.pyplot as plt import numpy as np # 生成随机数据 data = np.random.rand(10, 10) # 顺序型 colormap plt.figure(figsize=(12, 6)) plt.subplot(2, 2, 1) plt.imshow(data, cmap='viridis') plt.colorbar() plt.title('Sequential: viridis') # 发散型 colormap plt.subplot(2, 2, 2) plt.imshow(data - 0.5, cmap='coolwarm') plt.colorbar() plt.title('Diverging: coolwarm') # 定性型 colormap plt.subplot(2, 2, 3) plt.imshow(data, cmap='tab10') plt.colorbar() plt.title('Qualitative: tab10') # 循环型 colormap plt.subplot(2, 2, 4) plt.imshow(data * 2 * np.pi, cmap='hsv') plt.colorbar() plt.title('Cyclic: hsv') plt.tight_layout() plt.show() ``` ###