本文主要是介绍python中的colormap，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
通常我们在使用matplotlib.pyplot库中的plot函数或者scatter函数画散点图时，会使用不同的颜色标记不同点，尤其在聚类中会使用不同颜色标记不同类簇，但是现有的颜色名字很少，例如{'b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'}。如果类簇数很少的话，可以直接用这几个进行表示，但是如果类簇数比较多，超过10个的，就不好采用上面的方法，当然也可以采用和marker参数进行结合例如‘b*’,'bo'.
假如我们只想用颜色来区分，如何生成更多的颜色名。
下面介绍一种方法，引入库函数 colormap.rgb2hex， 如果colormap库不存在，需要提前安装。下面是完整代码
from colormap import rgb2hex
import numpy as np
from matplotlib import pyplot as plt
color_names = []
sample = [0, 0.25, 0.5, 0.75, 1] # 此处可根据自己情况进行设置
for i in sample:for j in sample:for k in sample:col = rgb2hex(i, j, k, normalised=True)color_names.append(col)
print(color_names[0])
x = np.random.random((1000, 1))
j = 0
for i in range(len(color_names)):y = j*3 + np.random.random((1000, 1)) * 2j += 1plt.scatter(x, y, color=color_names[i])
plt.show()
最终将color的名字保存在color_names中，例如：#000000
colormap的图如下:
最后可从color_names中获取color的名字来对plot函数中的color参数进行设置，下面是一个效果图
附一个画聚类结果的函数代码
# coding:utf-8
from colormap import rgb2hex
from matplotlib import pyplot as plt
import numpy as npcolors = []
sample = [0, 0.25, 0.5, 0.75, 1]
for i in sample:for j in sample:for k in sample:col = rgb2hex(i, j, k, normalised=True)colors.append(col)def plot_result(filename, x, ncluster, cl, icl):"""params--------filename: 数据集名x: 二维数据集np.ndarray格式ncluster: 类簇数cl: 聚类结果标签icl: 类簇中心"""# 画出聚类结果，每一类用一种颜色x_max = x[:, 0].max()x_min = x[:, 0].min()y_max = x[:, 1].max()y_min = x[:, 1].min()m = -1for i in range(ncluster):index = np.nonzero(cl == i)[0]x0 = x[index, 0]x1 = x[index, 1]cn = round(len(colors) * i / ncluster)for j in range(len(x0)):plt.plot(x0[j], x1[j], marker='o', markersize=5, color=colors[cn])for c in range(ncluster):plt.plot(x[icl[c]][0], x[icl[c]][1], marker='s', markerfacecolor='g', markeredgecolor='r', markersize=8)plt.title("the result of cluster on {}".format(filename))plt.axis([x_min-.05, x_max+.05, y_min-.05, y_max+.05])plt.show()
这篇关于python中的colormap的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
