Python可视化扩展库Matplotlib中使用参数cmap实现颜色映射

在使用Python扩展库Matplotlib进行可视化时，不少函数支持使用参数cmap指定配色方案。例如，下面的代码模拟了一个3像素的图像并设置了Blues配色方案，实现了从白色到蓝色（蓝色分量饱和度从0到100%）的渐变，根据像素的值插值计算合适的颜色进行填充。

下面的代码设置了Blues_r配色方案，后缀_r表示反向映射，插值计算的方向与Blues相反。其他配色方案中带或不带后缀_r的一对也是插值填充方向相反。

下面的代码修改了像素的值，可以发现，配色方案把图像中最大值像素填充为白色，最小值像素填充为蓝色，并不关心具体的值，只关心值的范围和分布情况。也就是说，三像素图像300、800、200和三像素图像3、8、2的填充结果是一样的。

Matplotlib预置了166个配色方案，下面的代码可以列出Matplotlib预置的全部配色方案：

这些配色方案大致可以分为下面的几类：

1）Sequential：在两种色调之间近似平滑变化，通常是从低饱和度（例如白色）到高饱和度（例如明亮的蓝色）。颜色过度自然，容易和连续的数字对应。例如，'Blues', 'BuGn', 'BuPu', 'GnBu', 'Greens', 'Greys', 'Oranges', 'OrRd', 'PuBu', 'PuBuGn', 'PuRd', 'Purples', 'RdPu', 'Reds', 'YlGn', 'YlGnBu', 'YlOrBr', 'YlOrRd', 'afmhot', 'autumn', 'bone', 'cool', 'copper', 'gist_heat', 'gray', 'hot', 'pink', 'spring', 'summer', 'winter'以及对应的反方向配色方案都属于这一类型。

2）Uniform：标准色两端对比大，整体饱和度高，颜色鲜亮。例如，'viridis', 'inferno', 'plasma', 'magma'以及对应的反方向配色方案都属于这一类型。

3）Diverging：具有中间值（通常是浅色），并在高值和低值处平滑变化为两种不同的色调，两端对比大，但是用白色、灰色过度，整体偏灰。Cyclic和Diverging相反，两端偏灰，但中间颜色对比鲜明。例如，'BrBG', 'bwr', 'coolwarm', 'PiYG', 'PRGn', 'PuOr', 'RdBu', 'RdGy', 'RdYlBu', 'RdYlGn', 'Spectral', 'seismic'以及对应的反方向配色方案都属于这一类型。

4）Qualitative：离散化色图，效果离散、跳跃，不同颜色区别很大。例如，'Accent', 'Dark2', 'Paired', 'Pastel1', 'Pastel2', 'Set1', 'Set2', 'Set3'以及对应的反方向配色方案都属于这一类型。

5）Miscellaneous：其他配色方案，例如'gist_earth', 'terrain', 'ocean', 'gist_stern', 'brg', 'CMRmap', 'cubehelix', 'gnuplot', 'gnuplot2', 'gist_ncar','nipy_spectral', 'jet', 'rainbow', 'gist_rainbow', 'hsv', 'flag', 'prism'以及对应的反方向配色方案。

下面的代码分别使用Matplotlib预置的166种配色方案对同一个图像进行填充并展示了不同配色方案的效果。

运行结果如下：

为方便比较同一组配色方案的插值方向，修改上面的代码如下（请自行发现修改之处）：

运行结果如下：

下面代码演示了如何在绘制三维曲面时指定配色方案：

下面代码演示了如何在绘制散点图时设置配色方案：