Maison  >  Article  >  développement back-end  >  Comment personnaliser la couleur du graphique à colonnes dans la bibliothèque Matplotlib

Comment personnaliser la couleur du graphique à colonnes dans la bibliothèque Matplotlib

WBOY
WBOYoriginal
2024-01-17 09:22:061440parcourir

Comment personnaliser la couleur du graphique à colonnes dans la bibliothèque Matplotlib

Matplotlib est l'une des bibliothèques de visualisation de données couramment utilisées en Python, qui fournit de riches fonctions de dessin. Lorsque nous dessinons un histogramme, nous pouvons augmenter la lisibilité et la beauté du graphique en changeant la couleur. Ce qui suit présentera en détail comment utiliser la bibliothèque Matplotlib pour changer la couleur de l'histogramme et fournira des exemples de code spécifiques.

Dans Matplotlib, nous pouvons utiliser la fonction bar pour dessiner un graphique à barres. L'utilisation de base de cette fonction est la suivante : bar函数来绘制柱形图。该函数的基本用法如下:

plt.bar(x, height, width, color)

其中,x表示柱形图的x坐标,height表示柱形的高度,width表示柱形的宽度,color表示柱形的颜色。

接下来我们将介绍两种常用的方法来改变柱形图的颜色。

方法一:使用颜色名称或代号

Matplotlib库支持使用预定义的颜色名称或代号来设置柱形图的颜色。下面是一些常用的颜色名称和代号:

  • 颜色名称:'red', 'blue', 'green', 'yellow', 'orange', 'purple', 'gray', 'black', 'white'
  • 颜色代号:'r', 'b', 'g', 'y', 'm', 'c', 'k', 'w'

我们可以直接将颜色名称或代号作为参数传递给color,如下所示:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 8, 5, 7, 6]

plt.bar(x, y, color='blue')
plt.show()

在上述示例中,我们将柱形图的颜色设置为蓝色。

方法二:使用颜色映射

除了使用预定义的颜色名称或代号外,Matplotlib还支持使用颜色映射来设置柱形图的颜色。颜色映射是一种将数据映射到颜色的方式,可用于更好地展示数据的变化。Matplotlib提供了cm模块来支持常见的颜色映射。

下面是一个使用颜色映射的示例:

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm

x = [1, 2, 3, 4, 5]
y = [10, 8, 5, 7, 6]

colors = cm.Reds(np.linspace(0, 1, len(x)))

plt.bar(x, y, color=colors)
plt.show()

在上述示例中,我们使用cm.Reds将数据映射到红色系列的颜色中,并通过np.linspacerrreee

Parmi eux, x représente la coordonnée x du histogramme, height représente la hauteur de la colonne, width Indique la largeur de la colonne et color indique la couleur de la colonne.

Ensuite, nous présenterons deux méthodes courantes pour changer la couleur du graphique à colonnes.

Méthode 1 : Utiliser des noms ou des codes de couleur🎜🎜La bibliothèque Matplotlib prend en charge l'utilisation de noms ou de codes de couleur prédéfinis pour définir la couleur du graphique à colonnes. Voici quelques noms et codes de couleurs couramment utilisés : 🎜
  • Noms de couleurs : "rouge", "bleu", "vert", "jaune", "orange", "violet", "gris", noir ', 'blanc'
  • Codes couleurs : 'r', 'b', 'g', 'y', 'm', 'c', 'k', 'w'
🎜Nous pouvons passer directement le nom ou le code de la couleur en tant que paramètre à color comme suit : 🎜rrreee🎜Dans l'exemple ci-dessus, nous définissons la couleur de l'histogramme sur bleu. 🎜🎜Méthode 2 : Utiliser le mappage de couleurs🎜🎜En plus d'utiliser des noms ou des codes de couleur prédéfinis, Matplotlib prend également en charge l'utilisation du mappage de couleurs pour définir la couleur de l'histogramme. Le mappage des couleurs est un moyen de mapper des données sur des couleurs, qui peut être utilisé pour mieux démontrer les changements dans les données. Matplotlib fournit le module cm pour prendre en charge les mappages de couleurs courants. 🎜🎜Voici un exemple utilisant le mappage de couleurs : 🎜rrreee🎜Dans l'exemple ci-dessus, nous utilisons cm.Reds pour mapper les données dans la série de couleurs rouges et transmettre np.linspace spécifie la plage de mappage des couleurs. 🎜🎜Avec les deux méthodes ci-dessus, nous pouvons facilement changer la couleur du graphique à colonnes et augmenter la lisibilité et la beauté du graphique. 🎜🎜En résumé, cet article présente comment changer la couleur du histogramme dans la bibliothèque Matplotlib et donne des exemples de code spécifiques. En utilisant des noms ou des codes de couleur prédéfinis et un mappage de couleurs, nous pouvons définir de manière flexible la couleur de l'histogramme en fonction de nos besoins pour obtenir une meilleure visualisation des données. 🎜

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn