ASCII码对照表（Matplotlib颜色对照表）

1、简介

1.1 颜色代码

颜色代码是一种用于表示颜色的编码系统，常见的颜色代码包括RGB颜色代码和十六进制颜色代码。RGB颜色代码使用红色、绿色和蓝色的数值来表示一个颜色，例如(255, 0, 0)表示红色。十六进制颜色代码使用六位十六进制数来表示一个颜色，例如#FF0000表示红色。颜色代码主要用于在计算机图形和网页设计中指定颜色。

2、Matplotlib库简介

2.1 简介

https://matplotlib.org/

Matplotlib：使用 Python 进行可视化

Matplotlib 是一个用于创建静态、动画、 以及 Python 中的交互式可视化。Matplotlib 让事情变得简单 简单和困难的事情都可能。

2.2 安装

Matplotlib及其依赖项作为MacOS、Windows和Linux发行版的车轮包提供：

python -m pip install -U matplotlib

2.3 后端

matplotlib可以针对不同的输出，这些功能中的每一个都称为后端；“前端”是面向用户的代码，即绘图代码，而“后端”则在幕后完成了所有繁重的工作来生成数字。有两种后端：用户界面后端（用于pygtk、wxpython、tkinter、qt4或macosx；也称为“交互后端”）和硬拷贝后端以生成图像文件（png、svg、pdf、ps；也称为“非交互后端”）。

Tk (>= 8.3, !=8.6.0或8.6.1）：用于基于Tk的后端。
PyQt4 （＞4.6）或 PySide （>=1.0.3） [1]: 对于基于Qt4的后端。
PyQt5 或 PySide2: 对于基于Qt5的后端。
PyGObject：用于基于GTK3的后端 [2].
wxPython （>=4） [3]: 对于基于wx的后端。
pycairo （>=1.11.0）或 cairocffi （>=0.8）：用于GTK3和/或基于cairo的后端。
Tornado：用于WebAgg后端。

默认情况下，Matplotlib应该自动选择一个默认的后端，该后端允许交互式工作和从脚本打印，并输出到屏幕和/或文件，因此至少最初您不需要担心后端。

2.4 入门例子

• 绘制正弦曲线：

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
# ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
ax.plot(np.linspace(0, 2*np.pi, 100), np.sin(np.linspace(0, 2*np.pi, 100)), color='blue', linestyle='-', linewidth=2, marker='o', markersize=5, markerfacecolor='red', markeredgecolor='black', markeredgewidth=1)

plt.show()

• 绘制2d栅格图

import matplotlib.pyplot as plt
import numpy as np

plt.style.use('_mpl-gallery-nogrid')

# make data
X, Y = np.meshgrid(np.linspace(-3, 3, 16), np.linspace(-3, 3, 16))
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)

# plot
fig, ax = plt.subplots()
ax.imshow(Z, origin='lower')
plt.show()

3、Matplotlib库颜色

3.1 概述

Matplotlib有许多内置的颜色映射，可通过 matplotlib.cm.get_cmap .
选择一个好的颜色映射的想法是为你的数据集在3D颜色空间中找到一个好的表示。任何给定数据集的最佳颜色映射取决于许多因素，包括：

• 表示形式或度量数据 ([Ware])
• 您对数据集的了解（ e.g. ，是否存在其他值偏离的临界值？）
• 如果要绘制的参数有直观的颜色方案
• 如果该领域有一个标准，观众可能会期待

3.2 颜色图的分类

颜色映射通常根据其功能分为几个类别：

• 顺序：亮度的变化和颜色的饱和度的增加，通常使用一个单一的色调；应该用来表示有顺序的信息。
• 偏色：两种不同颜色在中间以不饱和颜色相交时的亮度变化和可能的饱和度变化；当所绘制的信息具有临界中间值时，如地形或当数据偏离零时，应使用偏色。
• 循环：两种不同颜色的亮度变化，在中间和开始/结束时以不饱和颜色相遇；应用于在端点处环绕的值，如相位角、风向或一天中的时间。
• 定性：通常是各种颜色；应该用来表示没有顺序或关系的信息。

3.3 颜色格式表示

https://matplotlib.net/stable/api/colors_api.html#module-matplotlib.colors

https://github.com/matplotlib/matplotlib/blob/main/lib/matplotlib/_color_data.py
Matplotlib 识别以下格式来指定颜色：

• （例如 或）中浮点值的 RGB 或 RGBA 元组。RGBA 是 Red、Green、Blue、Alpha 的缩写；[0, 1](0.1, 0.2, 0.5)(0.1, 0.2, 0.5, 0.3)

• 十六进制 RGB 或 RGBA 字符串（例如，‘#0F0F0F’或’#0F0F0F0F’）；

• 一个简写的十六进制 RGB 或 RGBA 字符串，相当于复制每个字符得到的十六进制 RGB 或 RGBA 字符串，（例如，‘#abc’等价于’#aabbcc’，或’#abcd’，等价于’#aabbccdd’）；

• 浮点值的字符串表示，包括灰度级（例如，）；[0, 1]‘0.5’

• 单个字母字符串，即其中一个 ，它是蓝色、绿色、红色、青色、洋红色、黄色、黑色和白色阴影的简写符号；{‘b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, ‘w’}

• X11/CSS4 (“html”) 颜色名称，例如"blue"；

• 来自xkcd 颜色调查的名称，前缀为’xkcd:'（例如，）；‘xkcd:sky blue’

• “Cn”颜色规范，即’C’后跟一个数字，它是默认属性循环的索引（rcParams[“axes.prop_cycle”]（默认值：））；索引旨在在渲染时发生，如果循环不包括颜色，则默认为黑色。cycler(‘color’, [‘#1f77b4’, ‘#ff7f0e’, ‘#2ca02c’, ‘#d62728’, ‘#9467bd’, ‘#8c564b’, ‘#e377c2’, ‘#7f7f7f’, ‘#bcbd22’, ‘#17becf’])

• 其中之一是来自“tab10”分类调色板的 Tableau 颜色（这是默认颜色循环）；{‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’}

总结如下：

1、用RGB或者RGBA元组，取值范围均归一到[0,1]，（e.g：(0.1, 0.2, 0.5) or (0.1, 0.2, 0.5, 0.3))；
2、用十六进制的颜色表示方式代替RGB或者RGBA元组，(e.g., ‘#0F0F0F’ or ‘#0F0F0F0F’)；
3、用[0,1]中的浮点数字符串来表示，(e.g., 灰色表示为：‘0.5’)；
4、用缩写，{‘b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, ‘w’}中的任意一个；
5、用以“xkcd:”为前缀的xkcd颜色名称，(e.g.,“xkcd:sky blue”)；
6、用 {‘C0’, ‘C1’, ‘C2’, ‘C3’, ‘C4’, ‘C5’, ‘C6’, ‘C7’, ‘C8’, ‘C9’}，表示当前默认颜色列表中的颜色；
7、用来自’ T10 '分类调色板的Tableau颜色(这是默认的颜色循环)当中的一个，{‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’}；

import matplotlib
for name, hex in matplotlib.colors.cnames.items():
    print(name, hex, end=' ')

3.4 内置颜色映射

https://matplotlib.net/stable/gallery/color/colormap_reference.html
显示几个内置颜色映射的范围如下：

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib import cm
from colorspacious import cspace_converter
from collections import OrderedDict

cmaps = OrderedDict()

cmaps['Sequential (2)'] = [
            'binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink',
            'spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia',
            'hot', 'afmhot', 'gist_heat', 'copper']

cmaps['Miscellaneous'] = [
            'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
            'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg',
            'gist_rainbow', 'rainbow', 'jet', 'turbo', 'nipy_spectral',
            'gist_ncar']


nrows = max(len(cmap_list) for cmap_category, cmap_list in cmaps.items())
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))


def plot_color_gradients(cmap_category, cmap_list, nrows):
    fig, axes = plt.subplots(nrows=nrows)
    fig.subplots_adjust(top=0.95, bottom=0.01, left=0.2, right=0.99)
    axes[0].set_title(cmap_category + ' colormaps', fontsize=14)

    for ax, name in zip(axes, cmap_list):
        ax.imshow(gradient, aspect='auto', cmap=plt.get_cmap(name))
        pos = list(ax.get_position().bounds)
        x_text = pos[0] - 0.01
        y_text = pos[1] + pos[3]/2.
        fig.text(x_text, y_text, name, va='center', ha='right', fontsize=10)

    # Turn off *all* ticks & spines, not just the ones with colormaps.
    for ax in axes:
        ax.set_axis_off()


for cmap_category, cmap_list in cmaps.items():
    plot_color_gradients(cmap_category, cmap_list, nrows)

plt.show()

3.5 xkcd 颜色映射

148 个 X11/CSS4 颜色名称中的 95 个也出现在 xkcd 颜色调查中。几乎所有这些都映射到 X11/CSS4 和 xkcd 调色板中的不同颜色值。只有“黑色”、“白色”和“青色”是相同的。

例如，‘blue’映射到’#0000FF’而’xkcd:blue’映射到 ‘#0343DF’。由于这些名称冲突，所有 xkcd 颜色都有 'xkcd:'前缀。

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

import matplotlib.colors as mcolors
import matplotlib.patches as mpatch

overlap = {name for name in mcolors.CSS4_COLORS
           if f'xkcd:{name}' in mcolors.XKCD_COLORS}

fig = plt.figure(figsize=[9, 5])
ax = fig.add_axes([0, 0, 1, 1])

n_groups = 3
n_rows = len(overlap) // n_groups + 1

for j, color_name in enumerate(sorted(overlap)):
    css4 = mcolors.CSS4_COLORS[color_name]
    xkcd = mcolors.XKCD_COLORS[f'xkcd:{color_name}'].upper()

    # Pick text colour based on perceived luminance.
    rgba = mcolors.to_rgba_array([css4, xkcd])
    luma = 0.299 * rgba[:, 0] + 0.587 * rgba[:, 1] + 0.114 * rgba[:, 2]
    css4_text_color = 'k' if luma[0] > 0.5 else 'w'
    xkcd_text_color = 'k' if luma[1] > 0.5 else 'w'

    col_shift = (j // n_rows) * 3
    y_pos = j % n_rows
    text_args = dict(fontsize=10, weight='bold' if css4 == xkcd else None)
    ax.add_patch(mpatch.Rectangle((0 + col_shift, y_pos), 1, 1, color=css4))
    ax.add_patch(mpatch.Rectangle((1 + col_shift, y_pos), 1, 1, color=xkcd))
    ax.text(0.5 + col_shift, y_pos + .7, css4,
            color=css4_text_color, ha='center', **text_args)
    ax.text(1.5 + col_shift, y_pos + .7, xkcd,
            color=xkcd_text_color, ha='center', **text_args)
    ax.text(2 + col_shift, y_pos + .7, f'  {color_name}', **text_args)

for g in range(n_groups):
    ax.hlines(range(n_rows), 3*g, 3*g + 2.8, color='0.7', linewidth=1)
    ax.text(0.5 + 3*g, -0.3, 'X11/CSS4', ha='center')
    ax.text(1.5 + 3*g, -0.3, 'xkcd', ha='center')

ax.set_xlim(0, 3 * n_groups)
ax.set_ylim(n_rows, -1)
ax.axis('off')

plt.show()

3.6 颜色命名表

# import matplotlib.pyplot as plt
# import numpy as np

# fig, ax = plt.subplots()  # Create a figure containing a single axes.
# ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.

from matplotlib.patches import Rectangle
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors


def plot_colortable(colors, sort_colors=True, emptycols=0):

    cell_width = 212
    cell_height = 22
    swatch_width = 48
    margin = 12

    # Sort colors by hue, saturation, value and name.
    if sort_colors is True:
        by_hsv = sorted((tuple(mcolors.rgb_to_hsv(mcolors.to_rgb(color))),
                         name)
                        for name, color in colors.items())
        names = [name for hsv, name in by_hsv]
    else:
        names = list(colors)

    n = len(names)
    ncols = 4 - emptycols
    nrows = n // ncols + int(n % ncols > 0)

    width = cell_width * 4 + 2 * margin
    height = cell_height * nrows + 2 * margin
    dpi = 72

    fig, ax = plt.subplots(figsize=(width / dpi, height / dpi), dpi=dpi)
    fig.subplots_adjust(margin/width, margin/height,
                        (width-margin)/width, (height-margin)/height)
    ax.set_xlim(0, cell_width * 4)
    ax.set_ylim(cell_height * (nrows-0.5), -cell_height/2.)
    ax.yaxis.set_visible(False)
    ax.xaxis.set_visible(False)
    ax.set_axis_off()

    for i, name in enumerate(names):
        row = i % nrows
        col = i // nrows
        y = row * cell_height

        swatch_start_x = cell_width * col
        text_pos_x = cell_width * col + swatch_width + 7

        ax.text(text_pos_x, y, name, fontsize=14,
                horizontalalignment='left',
                verticalalignment='center')

        ax.add_patch(
            Rectangle(xy=(swatch_start_x, y-9), width=swatch_width,
                      height=18, facecolor=colors[name], edgecolor='0.7')
        )

    return fig

plot_colortable(mcolors.BASE_COLORS, sort_colors=False, emptycols=1)
plt.show()

plot_colortable(mcolors.TABLEAU_COLORS, sort_colors=False, emptycols=2)

plot_colortable(mcolors.CSS4_COLORS)

xkcd_fig = plot_colortable(mcolors.XKCD_COLORS, "XKCD Colors")
xkcd_fig.savefig("XKCD_Colors.png")

4、Colorcet库

https://colorcet.holoviz.org/index.html#
Colorcet 是 感知准确的 256 色颜色图，用于 Python 绘图程序，如 Bokeh、Matplotlib、HoloView 和 Datashader。

目前包括两种类型的颜色图：连续和分类。连续的颜色图在感知上是一致的，每种新颜色在感知上都与之前和之后的颜色相同。连续地图由勘探目标中心的Peter Kovesi使用Kovesi（2015）中描述的方法构建。

pip install colorcet

安装colorcet后，颜色图将可用 有两种格式：

• 散景风格的调色板，即十六进制的 RGB 颜色的 Python 列表 字符串，如 [‘#000000’， …， ‘#ffffff’]
• 使用归一化幅度的 Matplotlib LinearSegmentedColormap， 像 LinearSegmentedColormap.from_list（“火”，[ [0.0,0.0,0.0]， …, [1.0,1.0,1.0] ], 256)

import numpy as np
import colorcet as cc
import matplotlib.pyplot as plt

xs, _ = np.meshgrid(np.linspace(0, 1, 80), np.linspace(0, 1, 10))
plt.imshow(xs, cmap=cc.cm.colorwheel);  # use tab completion to choose
plt.colorbar(); 
plt.show()

import scicomap as sc
import matplotlib.pyplot as plt

f = sc.compare_cmap(image="grmhd",
                    ctype='sequential',
                    ncols=15,
                    uniformize=True,
                    symmetrize=True,
                    unif_kwargs={'lift': 20},
                    sym_kwargs={'bitonic': False, 'diffuse': True})

5、颜色对照表

结语

如果您觉得该方法或代码有一点点用处，可以给作者点个赞，或打赏杯咖啡；╮(￣▽￣)╭
如果您感觉方法或代码不咋地//(ㄒoㄒ)//，就在评论处留言，作者继续改进；o_O???
如果您需要相关功能的代码定制化开发，可以留言私信作者；(✿◡‿◡)
感谢各位大佬童鞋们的支持！( ´ ▽´ )ﾉ ( ´ ▽´)っ！！！