styling_guide

# Matplotlib 样式指南 用于 Matplotlib 可视化样式设计与自定义的综合指南。 ## 色图 (Colormaps) ### 色图类别 **1. 感知均匀序列 (Perceptually Uniform Sequential)** 最适合从低值到高值的有序数据。 - `viridis` (默认，对色盲友好) - `plasma` - `inferno` - `magma` - `cividis` (针对色盲用户优化) **用法：** python im = ax.imshow(data, cmap='viridis') scatter = ax.scatter(x, y, c=values, cmap='plasma') **2. 序列 (Sequential)** 用于有序数据的传统色图。 - `Blues`, `Greens`, `Reds`, `Oranges`, `Purples` - `YlOrBr`, `YlOrRd`, `OrRd`, `PuRd` - `BuPu`, `GnBu`, `PuBu`, `YlGnBu` **3. 发散 (Diverging)** 最适合具有明确中心点（如零、平均值）的数据。 - `coolwarm` (蓝到红) - `RdBu` (红-蓝) - `RdYlBu` (红-黄-蓝) - `RdYlGn` (红-黄-绿) - `PiYG`, `PRGn`, `BrBG`, `PuOr`, `RdGy` **用法：** python # 将色图中心设为零 im = ax.imshow(data, cmap='coolwarm', vmin=-1, vmax=1) **4. 定性 (Qualitative)** 最适合没有内在顺序的分类/名义数据。 - `tab10` (10 种不同颜色) - `tab20` (20 种不同颜色) - `Set1`, `Set2`, `Set3` - `Pastel1`, `Pastel2` - `Dark2`, `Accent`, `Paired` **用法：** python colors = plt.cm.tab10(np.linspace(0, 1, n_categories)) for i, category in enumerate(categories): ax.plot(x, y[i], color=colors[i], label=category) **5. 循环 (Cyclic)** 最适合循环数据（如相位、角度）。 - `twilight` - `twilight_shifted` - `hsv` ### 色图最佳实践 1. **避免使用 `jet` 色图** - 感知不均匀，具有误导性 2. **使用感知均匀色图** - `viridis`, `plasma`, `cividis` 3. **考虑色盲用户** - 使用 `viridis`, `cividis`，或使用色盲模拟器进行测试 4. **匹配数据类型的色图**： - 序列：递增/递减数据 - 发散：具有明确中心的数据 - 定性：分类数据 5. **反转色图** - 添加 `_r` 后缀：`viridis_r`, `coolwarm_r` ### 创建自定义色图 python from matplotlib.colors import LinearSegmentedColormap # 从颜色列表创建 colors = ['blue', 'white', 'red'] n_bins = 100 cmap = LinearSegmentedColormap.from_list('custom', colors, N=n_bins) # 从 RGB 值创建 colors = [(0, 0, 1), (1, 1, 1), (1, 0, 0)] # RGB 元组 cmap = LinearSegmentedColormap.from_list('custom', colors) # 使用自定义色图 ax.imshow(data, cmap=cmap) ### 离散色图 python import matplotlib.colors as mcolors # 创建离散色图