matplotlib.colors

笔记

颜色教程和示例演示了如何设置颜色和颜色图。您可能想改为阅读这些内容。

用于将数字或颜色参数转换为RGB或RGBA的模块。

RGB和RGBA分别是 0-1 范围内的 3 或 4 个浮点数的序列。

该模块包括用于颜色规范转换的函数和类，以及用于将数字映射到称为颜色图的一维颜色数组中的颜色。

使用颜色图将数据映射到颜色通常涉及两个步骤：首先使用 的子类将数据数组映射到范围 0-1 Normalize，然后使用 的子类将该数字映射到颜色Colormap。这里提供的两个子类Colormap：LinearSegmentedColormap，它使用分段线性插值来定义颜色图，以及ListedColormap，它从颜色列表中生成颜色图。

也可以看看

在 Matplotlib中创建颜色图以获取如何制作颜色图的示例和

在 Matplotlib中选择 Colormaps 以获得内置颜色图列表。

Colormap Normalization有关数据规范化的更多详细信息

更多颜色图可在palettable 获得。

该模块还提供了用于检查对象是否可以解释为颜色is_color_like（将颜色序列转换为 (n, 4) RGBA 数组 ( )。缓存用于提高效率。to_rgbato_hexto_rgba_array

Matplotlib 识别的颜色列在 指定颜色中。

颜色规范

Normalize([vmin, vmax, 剪辑])	一个类，当被调用时，它将数据线性归一化到区间中。[0.0, 1.0]
NoNorm([vmin, vmax, 剪辑])	Normalize对于我们想直接在 a 中使用索引的情况，对 , 进行虚拟替换ScalarMappable。
AsinhNorm（[线性宽度，vmin，vmax，剪辑]）	反双曲正弦标度在原点附近近似线性，但对于较大的正值或负值变为对数。
BoundaryNorm（边界，ncolors [，剪辑，扩展]）	根据离散间隔生成颜色图索引。
CenteredNorm（[vcenter，半范围，剪辑]）	标准化围绕中心的对称数据（默认为 0）。
FuncNorm（函数[，vmin，vmax，剪辑]）	使用正向和反向函数进行任意归一化。
LogNorm([vmin, vmax, 剪辑])	将给定值标准化为对数刻度上的 0-1 范围。
PowerNorm(gamma[, vmin, vmax, clip])	将给定值线性映射到 0-1 范围，然后在该范围内应用幂律归一化。
SymLogNorm(linthresh[, linscale, vmin, ...])	对称的对数刻度在从原点的正负两个方向上都是对数的。
TwoSlopeNorm(vcenter[, vmin, vmax])	使用设定的中心规范化数据。

颜色图

Colormap（名称[，N]）	所有标量到 RGBA 映射的基类。
LinearSegmentedColormap（名称，段数据[，...]）	基于使用线性段的查找表的颜色图对象。
ListedColormap（颜色[，名称，N]）	从颜色列表生成的颜色图对象。

其他类

ColorSequenceRegistry()	Matplotlib 按名称已知的颜色序列的容器。
LightSource([azdeg, altdeg, hsv_min_val, ...])	创建来自指定方位角和仰角的光源。

功能

from_levels_and_colors（级别，颜色[，扩展]）	用于生成 cmap 和 norm 实例的辅助例程，其行为类似于 contourf 的级别和颜色参数。
hsv_to_rgb(hsv)	将 hsv 值转换为 rgb。
rgb_to_hsv(arr)	将 numpy 数组中的浮点 rgb 值（在 [0, 1] 范围内）转换为 hsv 值。
to_hex(c[, keep_alpha])	将c转换为十六进制颜色。
to_rgb（C）	将c转换为 RGB 颜色，默默地丢弃 alpha 通道。
to_rgba(c[, 阿尔法])	将c转换为 RGBA 颜色。
to_rgba_array(c[, 阿尔法])	将c转换为 RGBA 颜色的 (n, 4) 数组。
is_color_like（C）	返回c是否可以解释为 RGB(A) 颜色。
same_color(c1, c2)	返回颜色c1和c2是否相同。
get_named_colors_mapping()	返回名称到命名颜色的全局映射。
make_norm_from_scale(scale_cls[, ...])	Normalize用于从子类构建子类的装饰器ScaleBase。