如何生成随机颜色以传递给绘图函数的简单示例是什么？
我在循环内调用 scatter 并希望每个绘图都具有不同的颜色。
for X,Y in data:
scatter(X, Y, c=??)
c：一种颜色。c 可以是单个颜色格式字符串，或长度为 N 的颜色规范序列，或使用 cmap 和通过 kwargs 指定的规范映射到颜色的 N 数字序列（见下文）。请注意，c 不应是单个数字 RGB 或 RGBA 序列，因为它与要进行颜色映射的值数组无法区分。c 可以是一个二维数组，其中行是 RGB 或 RGBA。
我在循环内调用 scatter 并希望每个图都具有不同的颜色。
基于此，并根据您的回答：在我看来，您实际上希望数据集n 具有不同的颜色；您想将整数索引映射0, 1, ..., n-1到不同的 RGB 颜色。就像是：
这是执行此操作的功能：
import matplotlib.pyplot as plt
def get_cmap(n, name='hsv'):
'''Returns a function that maps each index in 0, 1, ..., n-1 to a distinct
RGB color; the keyword argument name must be a standard mpl colormap name.'''
return plt.cm.get_cmap(name, n)
问题中伪代码片段中的用法：
cmap = get_cmap(len(data))
for i, (X, Y) in enumerate(data):
scatter(X, Y, c=cmap(i))
我使用以下代码在我的答案中生成了该图：
import matplotlib.pyplot as plt
def get_cmap(n, name='hsv'):
'''Returns a function that maps each index in 0, 1, ..., n-1 to a distinct
RGB color; the keyword argument name must be a standard mpl colormap name.'''
return plt.cm.get_cmap(name, n)
def main():
N = 30
fig=plt.figure()
ax=fig.add_subplot(111)
plt.axis('scaled')
ax.set_xlim([ 0, N])
ax.set_ylim([-0.5, 0.5])
cmap = get_cmap(N)
for i in range(N):
rect = plt.Rectangle((i, -0.5), 1, 1, facecolor=cmap(i))
ax.add_artist(rect)
ax.set_yticks([])
plt.show()
if __name__=='__main__':
main()
使用 Python 2.7 和 matplotlib 1.5 以及 Python 3.5 和 matplotlib 2.0 进行了测试。它按预期工作。
for X,Y in data:
scatter(X, Y, c=numpy.random.rand(3,))
详细说明@john-mee 的答案，如果您有任意长的数据但不需要严格唯一的颜色：
对于蟒蛇 2：
from itertools import cycle
cycol = cycle('bgrcmk')
for X,Y in data:
scatter(X, Y, c=cycol.next())
对于蟒蛇 3：
from itertools import cycle
cycol = cycle('bgrcmk')
for X,Y in data:
scatter(X, Y, c=next(cycol))
这样做的好处是颜色易于控制并且很短。
有一段时间，我对 matplotlib 不生成具有随机颜色的颜色图这一事实感到非常恼火，因为这是分割和聚类任务的常见需求。
通过仅生成随机颜色，我们可能会以一些太亮或太暗结束，从而使可视化变得困难。此外，通常我们需要第一个或最后一个颜色为黑色，代表背景或异常值。所以我为我的日常工作写了一个小函数
这是它的行为：
new_cmap = rand_cmap(100, type='bright', first_color_black=True, last_color_black=False, verbose=True)
比您只使用new_cmap作为 matplotlib 上的颜色图：
ax.scatter(X,Y, c=label, cmap=new_cmap, vmin=0, vmax=num_labels)
代码在这里：
def rand_cmap(nlabels, type='bright', first_color_black=True, last_color_black=False, verbose=True):
"""
Creates a random colormap to be used together with matplotlib. Useful for segmentation tasks
:param nlabels: Number of labels (size of colormap)
:param type: 'bright' for strong colors, 'soft' for pastel colors
:param first_color_black: Option to use first color as black, True or False
:param last_color_black: Option to use last color as black, True or False
:param verbose: Prints the number of labels and shows the colormap. True or False
:return: colormap for matplotlib
"""
from matplotlib.colors import LinearSegmentedColormap
import colorsys
import numpy as np
if type not in ('bright', 'soft'):
print ('Please choose "bright" or "soft" for type')
return
if verbose:
print('Number of labels: ' + str(nlabels))
# Generate color map for bright colors, based on hsv
if type == 'bright':
randHSVcolors = [(np.random.uniform(low=0.0, high=1),
np.random.uniform(low=0.2, high=1),
np.random.uniform(low=0.9, high=1)) for i in xrange(nlabels)]
# Convert HSV list to RGB
randRGBcolors = []
for HSVcolor in randHSVcolors:
randRGBcolors.append(colorsys.hsv_to_rgb(HSVcolor[0], HSVcolor[1], HSVcolor[2]))
if first_color_black:
randRGBcolors[0] = [0, 0, 0]
if last_color_black:
randRGBcolors[-1] = [0, 0, 0]
random_colormap = LinearSegmentedColormap.from_list('new_map', randRGBcolors, N=nlabels)
# Generate soft pastel colors, by limiting the RGB spectrum
if type == 'soft':
low = 0.6
high = 0.95
randRGBcolors = [(np.random.uniform(low=low, high=high),
np.random.uniform(low=low, high=high),
np.random.uniform(low=low, high=high)) for i in xrange(nlabels)]
if first_color_black:
randRGBcolors[0] = [0, 0, 0]
if last_color_black:
randRGBcolors[-1] = [0, 0, 0]
random_colormap = LinearSegmentedColormap.from_list('new_map', randRGBcolors, N=nlabels)
# Display colorbar
if verbose:
from matplotlib import colors, colorbar
from matplotlib import pyplot as plt
fig, ax = plt.subplots(1, 1, figsize=(15, 0.5))
bounds = np.linspace(0, nlabels, nlabels + 1)
norm = colors.BoundaryNorm(bounds, nlabels)
cb = colorbar.ColorbarBase(ax, cmap=random_colormap, norm=norm, spacing='proportional', ticks=None,
boundaries=bounds, format='%1i', orientation=u'horizontal')
return random_colormap
它也在 github 上： https ://github.com/delestro/rand_cmap
当少于 9 个数据集时：
colors = "bgrcmykw"
color_index = 0
for X,Y in data:
scatter(X,Y, c=colors[color_index])
color_index += 1
由于问题是How to generate random colors in matplotlib?并且当我正在寻找有关 的答案pie plots时，我认为值得在这里（对于pies）提出答案
import numpy as np
from random import sample
import matplotlib.pyplot as plt
import matplotlib.colors as pltc
all_colors = [k for k,v in pltc.cnames.items()]
fracs = np.array([600, 179, 154, 139, 126, 1185])
labels = ["label1", "label2", "label3", "label4", "label5", "label6"]
explode = ((fracs == max(fracs)).astype(int) / 20).tolist()
for val in range(2):
colors = sample(all_colors, len(fracs))
plt.figure(figsize=(8,8))
plt.pie(fracs, labels=labels, autopct='%1.1f%%',
shadow=True, explode=explode, colors=colors)
plt.legend(labels, loc=(1.05, 0.7), shadow=True)
plt.show()
输出
这是阿里答案的更简洁版本，每个情节给出一种不同的颜色：
import matplotlib.pyplot as plt
N = len(data)
cmap = plt.cm.get_cmap("hsv", N+1)
for i in range(N):
X,Y = data[i]
plt.scatter(X, Y, c=cmap(i))
根据 Ali 和 Champitoad 的回答：
如果你想尝试不同的调色板，你可以在几行中做到这一点：
cmap=plt.cm.get_cmap(plt.cm.viridis, 143)
143是您要采样的颜色数
我选择 143 是因为颜色图上的整个颜色范围都在这里发挥作用。您可以做的是每次迭代都对第 n 个颜色进行采样以获得颜色图效果。
n=20
for i,(x,y) in enumerate(points):
plt.scatter(x, y, c=cmap(n*i))
改进答案https://stackoverflow.com/a/14720445/6654512以使用 Python3。那段代码有时会生成大于 1 的数字，matplotlib 会抛出错误。
for X,Y in data:
scatter(X, Y, c=numpy.random.random(3))
enter code here
import numpy as np
clrs = np.linspace( 0, 1, 18 ) # It will generate
# color only for 18 for more change the number
np.random.shuffle(clrs)
colors = []
for i in range(0, 72, 4):
idx = np.arange( 0, 18, 1 )
np.random.shuffle(idx)
r = clrs[idx[0]]
g = clrs[idx[1]]
b = clrs[idx[2]]
a = clrs[idx[3]]
colors.append([r, g, b, a])
如果您想确保颜色不同 - 但不知道需要多少种颜色。尝试这样的事情。它从光谱的相对两侧选择颜色并系统地增加粒度。
import math
def calc(val, max = 16):
if val < 1:
return 0
if val == 1:
return max
l = math.floor(math.log2(val-1)) #level
d = max/2**(l+1) #devision
n = val-2**l #node
return d*(2*n-1)
import matplotlib.pyplot as plt
N = 16
cmap = cmap = plt.cm.get_cmap('gist_rainbow', N)
fig, axs = plt.subplots(2)
for ax in axs:
ax.set_xlim([ 0, N])
ax.set_ylim([-0.5, 0.5])
ax.set_yticks([])
for i in range(0,N+1):
v = int(calc(i, max = N))
rect0 = plt.Rectangle((i, -0.5), 1, 1, facecolor=cmap(i))
rect1 = plt.Rectangle((i, -0.5), 1, 1, facecolor=cmap(v))
axs[0].add_artist(rect0)
axs[1].add_artist(rect1)
plt.xticks(range(0, N), [int(calc(i, N)) for i in range(0, N)])
plt.show()
感谢 @Ali 提供基本实现。
# generate random colors
colors_ = lambda n: list(map(lambda i: "#" + "%06x" % random.randint(0, 0xFFFFFF),range(n)))
fig = plt.figure()
fig.subplots_adjust(hspace=0.4, wspace=0.4)
# how many random colors to generate?
colors = colors_(6)
for i,color in zip(range(1, 7), colors):
ax = fig.add_subplot(2, 3, i)
ax.text(0.5, 0.5, str((2, 3, i)),
fontsize=18, ha='center', color=color)
输出
