更多內(nèi)容詳見https://www.yxybiubiubiu.com/2020/06/06/color/
一、 使用NCL色板(使用調(diào)色盤文件思路相同)
NCL的色板十分豐富，幾乎可以涵蓋平常所需。詳見：傳送門
那么我們能否將NCL的色板用在python中呢？答案當(dāng)然是可以的。
我在氣象家園發(fā)現(xiàn)了個帖子，樓主自己封裝了一個包，可以在python中調(diào)用NCL的色板，詳見：傳送門，一般來說這個包足夠大家日常使用了。一些想進(jìn)一步了解原理并且進(jìn)行擴(kuò)展應(yīng)用的朋友，可以接著往下看。
其基本原理就是讀取NCL色板的.rgb文件，將其信息轉(zhuǎn)換為顏色數(shù)組，形成matplotlib色板。那么下面，我就根據(jù)這個思路，解釋下其過程和原理。首先我將NCL已有色板.rgb文件整理上傳了，下載點這里，下載后將壓縮包內(nèi)文件夾解壓。
.rgb文件內(nèi)容如下(以3gauss.rgb為例)：
# r g b
0 0 255
0 0 255
1 2 254
2 4 253
3 6 252
...
...
...
ncolors = 254，代表該色板有254個色號，第二行為注釋內(nèi)容，表明接下來的每一行，顏色存放都是red,green,blue的順序。那么接下來我們只需要讀取這個文件，將顏色存為一個[254,3]的數(shù)組，然后將數(shù)組除255即可。除255的原因是，python的顏色值位于[0,1]之間，而rgb信息位于[0,255]之間，所以除255就可以將顏色信息映射在[0,1]之間。
但是！有一個問題，我查看了NCL的一些色板，這些色板的格式并不統(tǒng)一，有些是直接映射在[0,1]之間了，有些文件頭有很多行，總之很雜亂，用之前還是需要統(tǒng)一格式，做好質(zhì)量控制的。(我后邊有時間的話考慮將這些文件統(tǒng)一格式再重新上傳。)
下面給出一個使用NCL色板的示例：
import pandas as pd
import numpy as np
from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt
#讀取.rgb文件
rgb = pd.read_csv('./colormaps/3gauss.rgb',sep='\s+',skiprows=2,names=['r','g','b']).values/255
#將rgb信息映射為colormap
colormap = ListedColormap(rgb)
#創(chuàng)建100個隨機(jī)數(shù)
colors = np.random.randint(0,100,size=100)
x,y = np.random.rand(100),np.random.rand(100)
#繪制散點圖，使用NCL中的3gauss色板
sct = plt.scatter(x, y, s=100, c=colors,cmap=colormap,edgecolors='black')
plt.colorbar(sct)
使用調(diào)色盤軟件生成的色板也是同樣的思路，將生成的txt內(nèi)的rgb信息讀取映射，就可以使用了。
二、設(shè)定色板顏色，進(jìn)行插值映射
最后再介紹一種創(chuàng)建色板的方式，那就是挑選幾種自己需要的顏色排列起來，然后進(jìn)行插值，形成顏色之間的漸變，最后映射為色板。
import pandas as pd
import numpy as np
from matplotlib.colors import ListedColormap
import matplotlib.colors as colors
import matplotlib.pyplot as plt
#設(shè)定色板基礎(chǔ)色為黑紅橘藍(lán)
colorslist = ['black','red','orange','blue']
#將四種色插值為具有300個漸變色的色板
colormap = colors.LinearSegmentedColormap.from_list('123',colorslist,N=300)
#創(chuàng)建100個隨機(jī)數(shù)
colors = np.random.randint(0,100,size=100)
x,y = np.random.rand(100),np.random.rand(100)
#繪制散點圖，使用剛剛自定義的123色板
sct = plt.scatter(x, y, s=100, c=colors,cmap=colormap,edgecolors='black')
plt.colorbar(sct)
