Matplot颜色cmap设置
在数据可视化中，颜色映射（colormap）是一个重要的概念，它可以帮助我们更好地理解数据的分布和趋势。Matplotlib提供了多种内置的颜色映射，但有时我们需要自定义颜色映射以满足特定的需求。Matplotlib内置了多种颜色映射（colormap），可以通过plt.get_cmap()函数获取。我们可以使用plt.imshow()函数来显示数据，并通过cmap参数指定颜色映射。seaborn库也提供了多种颜色映射，可以通过seaborn.color_palette()函数获取。此外，Matplotlib还支持使用ListedColormap和LinearSegmentedColormap类来自定义颜色映射。 1. 使用内置颜色映射 123456import matplotlib.pyplot as pltimport numpy as npimport seaborn as snscmap1 = plt.get_cmap("viridis") # 获取内置颜色映射cmap2 =...
如何给matplotlib图片加上渐变背景
添加渐变背景 有时候，我们希望在绘图时添加渐变背景，这样可以使图像更加美观。我们可以使用fig.figimage方法来添加渐变背景。fig.figimage方法可以在figure上添加一个图像，参数cmap表示颜色映射，参数resize表示是否调整大小，参数origin表示图像的原点位置。我们可以使用LinearSegmentedColormap.from_list()方法来创建一个颜色映射。 注意：如果使用fig.figimage方法添加渐变背景，必须保证绘图dpi和保存dpi一致，否则会出现背景不一致的情况。 1234567891011121314151617181920212223from matplotlib.colors import LinearSegmentedColormapfig = plt.figure(figsize=(cm(15), cm(10)),dpi=500)ax = plt.gca()# 创建自定义渐变色彩映射# 斜向上，白色到蓝色渐变colors = ["white", "#ffe2e2"] #...
使用Matplotlib画元素周期表
使用Matplotlib画元素周期表 进行材料计算或者查询数据库时，我们有时候想了解或者想向别人展示计算或者查询的元素的分布状况，这个时候，我们可以使用元素周期表来直观地表示元素的分布状况。 pymatviz库内置了元素周期表功能，但它的文档写得很模糊，要看懂如何使用它的元素周期表功能，需要花费一段时间，反而不如直接使用Matplotlib来画元素周期表来的简单。 我们可以使用如下代码来画元素周期表： 1. 导入库并定义全局参数和函数 123456789101112131415import matplotlib.pyplot as pltfrom matplotlib.ticker import AutoMinorLocatorfrom matplotlib.patches import Rectangle # 用于绘制矩形plt.rcParams["lines.linewidth"] = 1plt.rcParams["font.family"] = "times new roman"# 设置公式字体为times...
如何使Matplotlib绘图符合科研绘图规范
如何使Matplotlib绘图符合科研绘图规范 Matplotlib默认的绘图看起来太“轻佻”，这篇文章是关于如何让Matplotlib绘图看起来更加符合文献中图像的样子的。 画图全局参数设置 在科研绘图时，我们需要设置一些全局参数来保证图像的美观性和一致性。比如我们可以设置全局字体、字号、线宽、颜色等参数。全局参数使用plt.rcParams来设置。plt.rcParams是一个字典，包含了Matplotlib的所有可配置参数。我们可以通过修改这个字典来改变全局参数。 注意：全局参数必须在plt.plot()之前设置，否则不会生效。 以下是一些常用的全局参数设置： 12345678910import matplotlib.pyplot as plt# 设置线宽plt.rcParams["lines.linewidth"] = 1plt.rcParams["font.family"] = "Times new roman"plt.rcParams['font.serif'] =...
