Matplotlib Colors

#Matplotlib Colors | 来源: 网络整理| 查看: 265

Matplotlib Colors 2020-02-16 2021-01-15 color, matplotlib, python, visualization

Matplotlib은 Visualization용 Library로만 알고 계시는 분들이 많습니다.

이미지 데이터의 색상 관련 operation을 위해서 opencv, pillow, scikit-image 등을 추가로 설치하고 사용하시는 분들이 많습니다만, 의외로 matplotlib에서도 색상 관련 기능을 제공하고 있습니다.

Matplotlib 공식 홈페이지에서 다양한 예제를 제공하지만 알려지지 않은 부분이 많아 여기에 정리해 봅니다.

1234import matplotlib.pyplot as pltimport matplotlib as mpl%matplotlib inlineprint(mpl.__version__) 실행결과: 버전은 3.1.3. 기준입니다. 1'3.1.3'

References

Matplotlib 3.1.3 (Usage Guide)matplotlib.colors

1. Colors Matplotlib에 어떤 색상이 있고, 이들을 어떻게 사용하는지 살펴보겠습니다. 1.1. Matplotlib Color Set

List of Named ColorsChoosing Colormaps in Matplotlib

Matplotlib에는 크게 3가지 부류의 색상이 있습니다.

이들이 어떻게 저장되어 있는지를 확인하기 위해 출력해보면 재밌는 사실을 알게 됩니다.

12345import matplotlib.colors as mcolorsprint("mcolors.BASE_COLORS['r']: {}, type={}".format(mcolors.BASE_COLORS['r'], type(mcolors.BASE_COLORS['r'])))print("mcolors.TABLEAU_COLORS['tab:red']: {}, type={}".format(mcolors.TABLEAU_COLORS['tab:red'], type(mcolors.TABLEAU_COLORS['tab:red'])))print("mcolors.CSS4_COLORS['red']: {}, type={}".format(mcolors.CSS4_COLORS['red'], type(mcolors.CSS4_COLORS['red']))) 실행결과, 각 항목이 담고 있는 색상정보의 형식이 미묘하게 다릅니다. BASE_COLORS는 tuple 형태인 반면 나머지 둘은 string입니다. 그리고 같은 red라고 해도 TABLEAU_COLORS와 CSS4_COLORS의 값, 대소문자가 다릅니다. 실제 위 그림에서 봐도 색이 다릅니다.123mcolors.BASE_COLORS['r']: (1, 0, 0), type=mcolors.TABLEAU_COLORS['tab:red']: #d62728, type=mcolors.CSS4_COLORS['red']: #FF0000, type=

다시 말하면 Matplotlib 내에서 다루어지는 색상 표현이 한 가지로 고정되지 않았고, 이들은 당연히 matplotlib 내부 기능을 통해 변환이 가능합니다.

Matplotlib 내부의 color는 다음과 같이 dictionary 형태로 한번에 수집해서 활용할 수 있습니다.

123456789101112# 색상 전체 명단 수집colorlist = {}colorlist.update(mcolors.BASE_COLORS)colorlist.update(mcolors.TABLEAU_COLORS)colorlist.update(mcolors.CSS4_COLORS)# 색상 이름과 코드로 분리해서 관리colornames = []colorcodes = []for name, color in colorlist.items(): colornames.append(name) colorcodes.append(color) 1.2. Cycler

Styling with CyclerSpecifying Colors

설명에 앞서 아래 그림을 잠깐 봅시다.

12개의 직선이 일정한 간격을 두고 평행하게 늘어선 그림인데, 자세히 보면 색상에 중복이 있습니다.

12345678910import numpy as npdata_x = np.array([0,20])data_y = [0,10]fig, ax = plt.subplots(figsize=(6,3))for i in range(12): ax.plot(data_x + 3*i, data_y)plt.show()

첫번째와 두번째 푸른 직선과 오렌지색 직선이 마지막 두 직선에서 반복되는 것을 확인할 수 있습니다.

matplotlib에 기본적으로 10개의 색이 주어지고 직선이 반복될 때마다 이를 순차적으로 반복하는 설정이 되어 있기 때문입니다.

rcParams의 axes.prop_cycle항목을 통해 확인할 수 있습니다.

1print(plt.rcParams['axes.prop_cycle']) 실행결과 : 색상 명단이 출력됩니다.1cycler('color', ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728', '#9467bd', '#8c564b', '#e377c2', '#7f7f7f', '#bcbd22', '#17becf'])

mpl.rc('axes', prop_cycle=)명령을 통해서 수정할 수 있고,

matplotlibrc파일의 axes.prop_cycle 부분을 통해 수정할 수도 있습니다.

123456789101112# cycler 수정from cycler import cyclerplt.rc('axes', prop_cycle=(cycler(color=['r', 'g', 'b', 'y']) + cycler(linestyle=['-', '--', ':', '-.'])))data_x = np.array([0,20])data_y = [0,10]fig, ax = plt.subplots(figsize=(6,3))for i in range(12): ax.plot(data_x + 3*i, data_y)plt.show() 실행결과 : 위의 그림에서 선의 모양과 색깔이 변경되었습니다.

cycler로 지정된 color는 “CN” color selection이라는 개념을 통해 선택이 가능합니다.

아래는 동일한 그래프에 seaborn-whitegrid style의 첫번째(C0)부터 네번째(C4)까지 color를 다르게 적용하는 예시입니다.

1234567891011121314151617import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplth = np.linspace(0, 2*np.pi, 128)mpl.style.use('seaborn-whitegrid')fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(6, 3))def demo(num): ax[num].plot(th, np.cos(th), f'C{num}', label=f'C{num}') ax[num].plot(th, np.sin(th), f'C{num+2}', label=f'C{num+2}') ax[num].legend() demo(0)demo(1)

2. Color Functions matplotlib에 내장된 color function을 훑어봅시다. 예제로 사용할 color 다섯 개를 먼저 정의합니다. Lena image 위에 덮인 색상에서 알 수 있듯 alpha는 불투명도를 의미합니다.1234567import matplotlib.colors as mcolorc1 = 'darkred' # matplotlib color namec2 = '#AABBFF' # hex code without alpha c3 = '#AABBFF55' # hex code with alphac4 = [0.2, 0.4, 0.5] # RGBc5 = [0.2, 0.4, 0.5, 0.6] # RGBA: RGB + alpha

2.1. to_hex(), to_rgb(), to_rgba(): 색상 표현 변경 색상 이름을 입력받아 hex 또는 rgb 형식으로 변환하는 함수입니다. 백문이 불여일견이므로 우선 pd.DataFrame으로 요약해서 실행해보겠습니다.123456789101112131415161718import pandas as pdcolors = pd.DataFrame(columns=['input', 'to_hex(F)', 'to_hex(T)', 'to_rgb()', 'to_rgba(alpha=None)', 'to_rgba(alpha=0.2)'])for i in range(5): # to_hex() hex_code0 = mcolors.to_hex(eval(f'c{i+1}')), keep_alpha=False) hex_code1 = mcolors.to_hex(eval(f'c{i+1}')), keep_alpha=True) # to_rgb() rgb_code0 = np.round(mcolors.to_rgb(eval(f'c{i+1}')), 3) # to_rgba() rgb_code1 = np.round(mcolors.to_rgba(eval(f'c{i+1}')), 3) rgb_code2 = np.round(mcolors.to_rgba(eval(f'c{i+1}'), 0.2), 3) colors.loc[i] = [eval(f'c{i+1}'), hex_code0, hex_code1, rgb_code0, rgb_code1, rgb_code2]

colors DataFrame 출력 결과, to_hex()는 keep_alpha 옵션에 따라 alpha 채널이 삭제/추가되는 반면 to_rgb()는 alpha 채널이 자동적으로 삭제되고, to_rgba()는 alpha 옵션에 따라 alpha 값이 원래 값 vs 지정 값으로 설정됩니다. 2.2. to_rgba_array(): 일괄 변경

Numpy Masked ArrayZhang et al., Sensors 14(9) 16128 (2014)

0~1 사이 값들이 저장된 (n, 4) array를 RGBA array로 일괄 변경합니다.

(n, 3) array가 입력되는 경우 alpha=1로 자동 설정되며, column 수가 3 미만인 경우 에러가 납니다.

1234567891011121314from random import random# random (5, 4) arraycolors = []for i in range(5): carray = [random(), random(), random(), random()] colors.append(carray)print('# colors=\n', colors) print('# type(colors)=', type(colors)) # to_rgba_arrayrgb_code = mcolors.to_rgba_array(colors)print('\n# rgb_code=\n', rgb_code)print('# type(rgb_code)=', type(rgb_code3)) 실행결과: type이 numpy.ndarray로 바뀌었습니다.1234567891011# colors= [[0.40375029735610757, 0.6210923647004767, 0.6568133189767286, 0.8470279451052253], [0.5433032508130815, 0.14398085571268193, 0.7303598026172411, 0.7963294484621202], [0.8613064656492081, 0.8976140923488195, 0.05826502488661911, 0.42778774608985837], [0.39198017055539114, 0.8541915083363212, 0.04344057833193116, 0.5649137794285194], [0.8159908658774397, 0.21485709604877146, 0.7452954405793056, 0.4980798212359918]]# type(colors)= # rgb_code= [[0.4037503 0.62109236 0.65681332 0.84702795] [0.54330325 0.14398086 0.7303598 0.79632945] [0.86130647 0.89761409 0.05826502 0.42778775] [0.39198017 0.85419151 0.04344058 0.56491378] [0.81599087 0.2148571 0.74529544 0.49807982]]# type(rgb_code)=

Numpy에는 Masked Array라는 기능이 있습니다.

invalid 등 특정 데이터에 mask를 씌워 별도의 처리를 하는 것인데, to_rgba_array()에서는 RGBA로 변환하지 말아야 할 부분이라는 의미입니다.

123456789101112import numpy.ma as ma# masked arraymask=[[0,0,0,0], [0,0,0,0], [1,1,1,0], [0,0,0,1], [0,0,0,0]]mx = ma.masked_array(colors, mask)print('# mx=\n', mx) print('# type(mx)=\n', type(mx))# to_rgba_arrayrgb_code = mcolors.to_rgba_array(mx)print('\n# rgb_code, masked=\n', rgb_code)print('# type(rgb_code, masked)=', type(rgb_code3)) 실행결과: 일부라도 mask 처리된 데이터가 모두 [0, 0, 0, 0]으로 변환되었습니다.12345678910111213141516171819# mx= [[0.40375029735610757 0.6210923647004767 0.6568133189767286 0.8470279451052253] [0.5433032508130815 0.14398085571268193 0.7303598026172411 0.7963294484621202] [-- -- -- 0.42778774608985837] [0.39198017055539114 0.8541915083363212 0.04344057833193116 --] [0.8159908658774397 0.21485709604877146 0.7452954405793056 0.4980798212359918]]# type(mx)= # rgb_code, masked= [[0.4037503 0.62109236 0.65681332 0.84702795] [0.54330325 0.14398086 0.7303598 0.79632945] [0. 0. 0. 0. ] [0. 0. 0. 0. ] [0.81599087 0.2148571 0.74529544 0.49807982]]# type(rgb_code, masked)= 2.3. rgb_to_hsv() and hsv_to_rgb() color 표현 방법은 크게 RGB(Red, Green, Blue)와 HSV(Hue, Saturation, Value)로 나뉩니다. BGR(Blue, Green Red), HSL(Hue, Saturation, Lightness), YCrCb(Luma, Blue-difference, Red-difference), CIE(Commission internationale de l’éclairage) 등도 있으나 여기서는 다루지 않겠습니다. RGB color space 위에 HSV를 얹으면 대략 이런 관계를 가집니다.

변환식이 matplotlib에 내장되어 한 줄로 편하게 실행할 수 있습니다.12hsv_c4 = mcolors.rgb_to_hsv(c4)rgb_c4 = mcolors.hsv_to_rgb(hsv_c4)

도움이 되셨나요? 카페인을 투입하시면 다음 포스팅으로 변환됩니다

【本文地址】

公司简介

联系我们