Python 将matplotlib颜色贴图用于颜色循环

如果我创建颜色，例如：

import numpy as np
from matplotlib import pyplot as plt

n = 6
color = plt.cm.coolwarm(np.linspace(0.1,0.9,n))
color

颜色是一个numpy数组：

array([[ 0.34832334,  0.46571115,  0.88834616,  1.        ],
       [ 0.56518158,  0.69943844,  0.99663507,  1.        ],
       [ 0.77737753,  0.84092121,  0.9461493 ,  1.        ],
       [ 0.93577377,  0.8122367 ,  0.74715647,  1.        ],
       [ 0.96049006,  0.61627642,  0.4954666 ,  1.        ],
       [ 0.83936494,  0.32185622,  0.26492398,  1.        ]])

但是，如果我在

.mplstyle

文件（

map（tuple，color[：，0:-1]）

中将RGB值（不带alpha值1）作为元组插入，我会得到与此类似的错误：

in file "/home/moritz/.config/matplotlib/stylelib/ggplot.mplstyle"
    Key axes.color_cycle: [(0.34832334141176474 does not look like a color arg
  (val, error_details, msg))

---

想知道为什么吗？

编辑2021年4月：从matplotlib 2.2.0开始，键

轴。颜色循环已被弃用（）。
新方法是使用
设置prop\u循环
（）


实际上，细节在matplotlibrc本身中：它需要一个字符串代表（十六进制、字母或单词，而不是元组）


对于Matplotlib 2.2，使用
循环器
模块将实现此功能，而无需转换为十六进制值

import cycler

n = 100
color = pyplot.cm.viridis(np.linspace(0, 1,n))
mpl.rcParams['axes.prop_cycle'] = cycler.cycler('color', color)

“连续”颜色映射
如果您想从“连续”颜色贴图（如默认的viridis贴图）中循环使用
N
颜色，效果会很好

import matplotlib.pyplot as plt

N = 6
plt.rcParams["axes.prop_cycle"] = plt.cycler("color", plt.cm.viridis(np.linspace(0,1,N)))

fig, ax = plt.subplots()
for i in range(N):
    ax.plot([0,1], [i, 2*i])

plt.show()

“离散”颜色映射
Matplotlib提供了一些“离散”颜色映射，因为它们为定性视觉效果保留了少量不同的颜色，如
tab10
colormap。要在这样的颜色映射中循环，解决方案可能是不使用
N
，而只是将映射的所有颜色移植到循环器

import matplotlib.pyplot as plt

plt.rcParams["axes.prop_cycle"] = plt.cycler("color", plt.cm.tab20c.colors)

fig, ax = plt.subplots()
for i in range(15):
    ax.plot([0,1], [i, 2*i])

plt.show()

请注意，只有
ListedColormaps
具有
.colors
属性，因此这仅适用于那些colormap，但不适用于
jet
贴图

组合溶液
以下是一个通用函数，它将颜色映射作为输入并输出相应的循环器。我最初是在年提出这个解决方案的

“连续”情况的用法：

“离散”情况的用法

颜色参数应该以
（
而不是
[（
，是吗？仍然不起作用。我尝试了（（…）、（…）；（…）、（…）；（…）（…）（…）（…）轴
“axes.color\u cycle”
在
matplotlib 1.5
中被弃用。我正在尝试发现如何使用
循环获得相同的行为=plt.cycler（“color”，plt.cm.tab20c.colors）
是我要找的产品线！这太棒了！感谢您提供的组合解决方案！
import matplotlib.pyplot as plt

plt.rcParams["axes.prop_cycle"] = plt.cycler("color", plt.cm.tab20c.colors)

fig, ax = plt.subplots()
for i in range(15):
    ax.plot([0,1], [i, 2*i])

plt.show()

from matplotlib.pyplot import cycler
import numpy as np
from matplotlib.colors import LinearSegmentedColormap, ListedColormap
import matplotlib.cm

def get_cycle(cmap, N=None, use_index="auto"):
    if isinstance(cmap, str):
        if use_index == "auto":
            if cmap in ['Pastel1', 'Pastel2', 'Paired', 'Accent',
                        'Dark2', 'Set1', 'Set2', 'Set3',
                        'tab10', 'tab20', 'tab20b', 'tab20c']:
                use_index=True
            else:
                use_index=False
        cmap = matplotlib.cm.get_cmap(cmap)
    if not N:
        N = cmap.N
    if use_index=="auto":
        if cmap.N > 100:
            use_index=False
        elif isinstance(cmap, LinearSegmentedColormap):
            use_index=False
        elif isinstance(cmap, ListedColormap):
            use_index=True
    if use_index:
        ind = np.arange(int(N)) % cmap.N
        return cycler("color",cmap(ind))
    else:
        colors = cmap(np.linspace(0,1,N))
        return cycler("color",colors)

import matplotlib.pyplot as plt
N = 6
plt.rcParams["axes.prop_cycle"] = get_cycle("viridis", N)

fig, ax = plt.subplots()
for i in range(N):
    ax.plot([0,1], [i, 2*i])

plt.show()

import matplotlib.pyplot as plt

plt.rcParams["axes.prop_cycle"] = get_cycle("tab20c")

fig, ax = plt.subplots()
for i in range(15):
    ax.plot([0,1], [i, 2*i])

plt.show()