python配色

① 【python科研绘图】第1章：配色方案

本文主要介绍在使用Python进行绘图时的配色方案。

1.1 配色方案

1.2 色系

matlplotlib 库中提供了许多单色渐变色系：

双色渐变色系：

多色系：

1.3 配色工具

常用的配色网站： Adobe color Color Scheme Designer 中国色 ColorBrewer 2.0

1.4 代码实战

1.4.1 单色配色方案

参考资料： 【知乎】Python 可视化|matplotlib07-自带颜色条 Colormap（三）

1.4.2 互补色配色方案

1.4.3 等距三角配色方案

1.4.4 四色配色方案

1.4.5 单色渐变

1.4.6 双色渐变

1.4.7 多色系

参考资料：

[1] 《datawhale 科研论文配图绘制指南--基于python》 [2] matplotlib 官方文档 [3] seaborn 官方文档

② matplotlib、seaborn颜色、调色板、调色盘。

在Python的数据可视化中，matplotlib和seaborn提供了丰富的颜色选项和调色板。seaborn提供了六种风格的分类色板，包括深色、柔和、淡雅、明亮、暗色和色盲友好。通过导入seaborn库，我们可以轻松查看所有调色板的组合，如 Accent、Accent_r 等，一共展示了40多种配色方案，如BuGn、BuPu、CMRmap等，颜色命名遵循某种规律，比如大部分的_r版本与原色只是颜色顺序相反。

使用seaborn进行绘图时，例如通过`sns.barplot(palette='Paired_r')`来应用Paired_r配色方案。这些配色包括Paired、Accent、Blues等，颜色选择多样，适应不同的视觉需求。对于matplotlib，除了seaborn的调色板，还可以通过scatter函数绘制点，通过设置线宽、标签、颜色等属性来定制图形的视觉效果。

在实际示例中，如在博客《python学习》中提到，matplotlib图形的设置包括线宽、标签、颜色的调整，以及图框、线型、图例的定制，例如调整图框大小、像素分辨率等，这些都是增强图表可读性和吸引力的关键因素。

seaborn的线图（line plot）同样提供了多种风格的线型和颜色选项，通过实例演示可以直观地了解如何运用这些工具创建专业且美观的图表。

③ Python气象绘图笔记（四）——填色与colorbar

本文介绍了Python气象绘图中的填色与colorbar相关知识，所有代码已发布在和鲸社区，点击卡片即可一键fork。

在气象绘图中，x轴数据为经度，y轴数据为纬度，填充数据则可以是温度、湿度等参数，这三个参数可以是一维或二维，只要尺寸相同即可。使用时可选择pandas列表、ndarray、list、xarray、netcdf等多种格式，十分方便。

levels参数用于定义填色范围与颜色间隔，cmap参数则用于指定配色方案。extend参数影响colorbar绘制形状，如两端尖角、平头或仅显示最大值/最小值尖角。colorbar的绘制需要指定对象，如contour、contourf、quiver等。drawedges参数控制颜色分界线是否显示，orientation与spacing参数则用于设置colorbar方向与间距。

若需自定义colorbar大小与位置，可使用rect参数。在多个子图中添加共用colorbar时，需指定位置与大小，并使用代码保留右侧空白区域以避免重叠。colorbar的刻度字体、大小等可通过面向对象的方式修改。

完整代码与更多细节可参考相关教程与官方文档。对于经纬度与温度读取，主要使用wrf-python的getvar函数。更多信息与完整代码请访问指定链接。