cmap = plt.get_cmap('viridis') colors = [cmap(i) for i in np.linspace(0, 1, len(x))] plt.scatter(x, y, c=colors) plt.show() ``` 在这个例子中,我们使用了get_cmap函数来获取'viridis'颜色映射对象。然后,我们使用linspace函数生成了一组等间距的数值,这些数值用来指定颜色映射的级别。接着...
我们使用plt.pie函数,并通过cmap参数设置色谱。 cmap=plt.get_cmap("viridis")# 获取 colormap# 创建饼状图plt.figure(figsize=(8,6))# 设置图表大小plt.pie(sizes,labels=labels,autopct='%1.1f%%',startangle=140,cmap=cmap)# 绘制饼状图# autopct 用于显示百分比# startangle 定义起始角度,使图表更美观 1...
importmatplotlib.pyplotaspltimportnumpyasnp# 创建数据x=np.linspace(0,10,100)y=np.sin(x)# 获取完整的 'viridis' 色彩映射和其中间 50% 的部分cmap_full=plt.get_cmap('viridis')cmap_partial=plt.get_cmap('viridis',50)# 创建子图fig,(ax1,ax2)=plt.subplots(1,2,figsize=(12,5))# 绘制完整色...
复制代码 调整饱和度:可以通过设置Colormap对象的saturate方法来调整饱和度。例如,将饱和度调整为1.5: import matplotlib.pyplot as plt import matplotlib.colors as mcolors cmap = plt.get_cmap('viridis') adjusted_cmap = cmap.saturate(1.5) plt.imshow(data, cmap=adjusted_cmap) plt.colorbar() plt.show...
cmap = plt.cm.get_cmap('viridis') # 这里使用'viridis'作为示例,你可以根据需要选择其他颜色映射 绘制图表并设置颜色映射: 代码语言:txt 复制 plt.scatter(data, data, c=data, cmap=cmap) plt.colorbar() # 添加颜色条 plt.show() 在上述代码中,我们使用scatter函数绘制散点图,并通过设置c参数为数组dat...
importmatplotlib.pyplot as plt import matplotlib as mpl from matplotlib import cm from matplotlib.colors import ListedColormap, LinearSegmentedColormap mpl.rcParams.update({'figure.dpi':150}) matplotlib.cm.get_cmap(name=None,lut=None) name:内置 colormap 的名称,如 'viridis'(默认),'spring' 等。
在matplotlib中,cmap(colormap)的可选取值非常多。例如,你可以使用plt.get_cmap()获取任何预定义的颜色图,包括"binary","hot","cool","autumn","winter","spring","summer","viridis","plasma","inferno","magma","cividis"。 每个cmap都有许多可能的颜色渐变,你可以通过plt.colormaps()查看所有可用的颜色...
importmatplotlib.pyplotasplt# 创建一个cmap实例cmap=plt.cm.get_cmap('viridis')# 绘制颜色参数映射图plt.imshow([[i]foriinnp.linspace(0,1,100)],cmap=cmap)plt.colorbar()# 显示图像plt.show() 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. ...
# 创建一个 colormap,使用 'viridis'colormap=plt.get_cmap('viridis') 1. 2. 这句代码获取了名为 ‘viridis’ 的 colormap。你可以根据实际需要选择其他类型的 colormap,比如 ‘plasma’ 或‘cividis’。 步骤4: 可视化数据 最后,我们将数据通过 colormap 可视化出来。以下代码会将数据以热图的形式展示。
cmap=plt.get_cmap('viridis')values=np.random.rand(100)plt.scatter(range(100),range(100),c=values)plt.colorbar()plt.show() 1. 2. 3. 4. 5. 6. 7. 8. 9. 上述代码将创建一个散点图,并在右侧添加一个Colorbar,用于展示数值和颜色之间的对应关系。