Python 3.x 如何在蓝色和白色之间交替图形的颜色？

我有一个包含50个子列表的列表

D

。这些子列表中的元素数量正在减少。我通过

for i, array in enumerate(D):
    plt.scatter([i]*len(array), array)

我有50个函数从

St_Sp

获取值，

Y

是一个包含50个元素的列表，每个元素都是每个函数的输出。我将这些功能可视化

fig, ax = plt.subplots()
for i in range(len(Y)):
    ax.plot(St_Sp, Y[i])

---

我发现太多的颜色不容易被眼睛看到。我想问一下，如何在蓝色和白色之间交替使用图形的颜色？我的意思是

D

中函数和点的颜色是白色>蓝色>白色>蓝色

你能详细说明一下怎么做吗

---

导入软件包 将numpy作为np导入 将scipy.linalg作为la导入 导入时间 导入matplotlib 将matplotlib.pyplot作为plt导入 #####初始条件 N=100 拉姆达=7 mu=2 a=np.exp（-0.05） r=-np.log（a.copy（）） St_Sp=np.arange（-N，N+1） 卡片=标准形状[0] #####定义内部模拟生成器 定义LL（x，y）： 如果x==N或x==N:re=0 elif x-y==-1:re=lamda elif x-y==1:re=mu elif x-y==0:re=-（μ+λ） 其他：re=0 返回re def L（x）： 返回-LL（x，x） #####定义函数φ defφ（x）： 返回最大值（x，0） φ=np矢量化（φ） #####定义向量b b=np.阵列（φ（标准点）） #####定义函数Psi def Psi（x）： 返回L（x）/（L（x）+r） Psi=np.矢量化（Psi） #####生成一个布尔向量，其所有元素均为False d=np.array（[0]*Card）.astype（bool） #####定义矩阵A A=np.零（（卡片，卡片）） 对于范围内的i（卡）： 对于范围内的j（卡）： 如果（i！=j）和（L（St_Sp[i]）！=0： A[i，j]=LL（St_Sp[i]，St_Sp[j]）/L（St_Sp[i]） elif（i！=j）和（L（St_Sp[i]）==0： A[i，j]=0 elif（i==j）和（Psi（St_Sp[i]）！=0： A[i，j]=-1/Psi（标准压力[i]） else:A[i，j]=1 #####行的行名称 行=np.arange（0，卡片） #####定义矩阵B B=np.零（（卡片，卡片）） 对于范围内的i（卡）： 对于范围内的j（卡）： 如果我j: B[i，j]=LL（St_Sp[i]，St_Sp[j]） else:B[i，j]=LL（St_Sp[i]，St_Sp[j]）-r 开始=时间。时间（） #####生成I_0 I=[np.array（[1]*Card.astype（bool），d.copy（）] Z=np.array（b.copy（）） Z=Z.aType（浮动） D=[St_Sp]

---

index0=np.matmul（B，Z）最简单的方法是设置a。绘图的默认颜色将在给定颜色之间循环，而不是在10种典型颜色之间循环

从循环器导入循环器
自定义循环器=循环器（颜色=['白色'，'蓝色'）
plt.gca（）.set_prop_cycle（自定义循环器）
对于i，枚举中的数组（D[：-1]）：
plt.散射（[i]*透镜（阵列），阵列）
plt.散射（[len（D）-1]*len（D[-1]），D[-1]，颜色为深红色）
图，ax=plt.子批次（）
ax.set\u prop\u cycle（自定义循环器）
对于范围内的i（透镜（Y）-1）：
ax.绘图（St_Sp，Y[i]）
ax.绘图（圣普，Y[len（Y）-1]，颜色为深红色）
plt.show（）

---

最简单的方法是设置一个。绘图的默认颜色将在给定颜色之间循环，而不是在10种典型颜色之间循环

从循环器导入循环器
自定义循环器=循环器（颜色=['白色'，'蓝色'）
plt.gca（）.set_prop_cycle（自定义循环器）
对于i，枚举中的数组（D[：-1]）：
plt.散射（[i]*透镜（阵列），阵列）
plt.散射（[len（D）-1]*len（D[-1]），D[-1]，颜色为深红色）
图，ax=plt.子批次（）
ax.set\u prop\u cycle（自定义循环器）
对于范围内的i（透镜（Y）-1）：
ax.绘图（St_Sp，Y[i]）
ax.绘图（圣普，Y[len（Y）-1]，颜色为深红色）
plt.show（）

---

非常感谢您的帮助！这正是我要找的。只是一个无关紧要的问题：你有什么建议来可视化这些数据吗？恐怕我对数据的含义理解不够，无法给出好的可视化建议。实际上，

D

是一个集合列表，其中

D[n+1]

是

D[n]

的一个适当子集（精化）。我的意思是，在每次迭代之后，集合

D[n]

变得更小。以类似的方式，在每次迭代之后，函数

f\n

的值变大。我想把这种演变形象化。我的意思是集合

D[n+1]

是

D[n]

的精化，函数

f_{n+1}

是

f_n

的精化。改进的表现是

D[n+1]

元素的数量越来越少，而

f{n+1}

的值越来越大。嗨@JohanC，我的教授刚刚要求在所有地方都用蓝色，除了最后一个

D\n

是红色。我希望你能帮助我修改你的代码来实现这个目标。非常感谢你的帮助！非常感谢你的帮助！这正是我要找的。只是一个无关紧要的问题：你有什么建议来可视化这些数据吗？恐怕我对数据的含义理解不够，无法给出好的可视化建议。实际上，

D

是一个集合列表，其中

D[n+1]

是

D[n]

的一个适当子集（精化）。我的意思是，在每次迭代之后，集合

D[n]

变得更小。以类似的方式，在每次迭代之后，函数

f\n

的值变大。我想把这种演变形象化。我的意思是集合

D[n+1]

是

D[n]

的精化，函数

f_{n+1}

是

f_n

的精化。改进的表现是

D[n+1]

元素的数量越来越少，而

f{n+1}

的值越来越大。嗨@JohanC，我的教授刚刚要求在所有地方都用蓝色，除了最后一个

D\n

是红色。我希望你能帮助我修改你的代码来实现这个目标。非常感谢你的帮助！

##### Import packages
import numpy as np
import scipy.linalg as la
import time
import matplotlib
import matplotlib.pyplot as plt

##### Initial conditions
N = 100
lamda = 7
mu = 2
a = np.exp(-0.05)
r = - np.log(a).copy()
St_Sp = np.arange(- N, N + 1)
Card = St_Sp.shape[0]

##### Define infintesimal generator
def LL(x, y):
    if x == N or x == - N: re = 0
    elif x - y == - 1: re = lamda
    elif x - y == 1: re = mu
    elif x - y == 0: re = - (mu + lamda)
    else: re = 0
    return re

def L(x):
    return - LL(x, x)

##### Define function Phi
def Phi(x):
    return max(x, 0)
Phi = np.vectorize(Phi)

##### Define vector b
b = np.array(Phi(St_Sp))

##### Define function Psi
def Psi(x):
    return L(x) / (L(x) + r)
Psi = np.vectorize(Psi)

##### Generate a Boolean vector whose all elements are False
d = np.array([0] * Card).astype(bool)

##### Define matrix A
A = np.zeros((Card, Card))
for i in range(Card):
    for j in range(Card):
        if (i != j) & (L(St_Sp[i]) != 0):
            A[i, j] = LL(St_Sp[i], St_Sp[j]) / L(St_Sp[i])
        elif (i != j) & (L(St_Sp[i]) == 0):
            A[i, j] = 0
        elif (i == j) & (Psi(St_Sp[i]) != 0):
            A[i, j] = - 1 / Psi(St_Sp[i])
        else: A[i, j] = 1

##### Row names of A
rows = np.arange(0, Card)

##### Define matrix B
B = np.zeros((Card, Card))
for i in range(Card):
    for j in range(Card):
        if i != j:
            B[i, j] = LL(St_Sp[i], St_Sp[j])
        else: B[i, j] = LL(St_Sp[i], St_Sp[j]) - r

start = time.time()        

##### Generate I_0
I = [np.array([1] * Card).astype(bool), d.copy()]

Z = np.array(b.copy())
Z = Z.astype(float)       
D = [St_Sp]
index0 = np.matmul(B, Z) <= 0
index1 = ~ index0

Y = [b.copy()]

##### Iterations
for i in range(1, Card):    
    I = [I[0] & index0, I[1] | index1]
    Z = np.array(b.copy())
    Z = Z.astype(float)

    A1 = A[np.ix_(rows[I[1]], rows[I[1]])]    
    A2 = A[np.ix_(rows[I[1]], rows[I[0]])]

    Z[I[1]] = la.solve(A1, - np.matmul(A2, Z[I[0]]))

    Y = np.concatenate((Y, [Z]))
    D.append(St_Sp[I[0]])

    index = np.matmul(B[I[0]], Z) <= 0

    index0, index1 = d.copy(), d.copy()
    index0[I[0]], index1[I[0]] = index, ~ index

    if (I[0] == index0).all() == True: break

for i, array in enumerate(D):
    plt.scatter([i]*len(array), array)
    
fig, ax = plt.subplots()
for i in range(len(Y)):
    ax.plot(St_Sp, Y[i])