在matplotlib中自定义colormap
colormap在imshow或者pcolor等画图函数中经常用到，它实际上是把数值映射到色彩，用色彩作为另外一个维度可视化数据。色彩的搭配经常决定了数据呈现的规律是否可以清楚地表示出来，对于标量场而言，通过色彩可以实现 f(x,y,z) 的可视化。最常见热力图就是这么画出来的。另外在很多领域，都需要表示数据在空间的分布。如何灵活搭配色彩称为可视化关键的问题。
例如最近需要画一些干涉图样，用到了imshow，但是默认的配色总是很难达到理想的状态，需要自己定义colormap，因此对matplotlib的颜色管理做了详尽的了解，下面从易到难介绍如何使用matplotlib中的色彩。
颜色的定义
在matplotlib中预定义了大量的颜色，如我们熟悉的简写‘b’代表blue，‘r’代表red，‘k’代表black等。除了这些色彩外，其实还有一些预定义的颜色可以参考下面的网页。
当然如果这些预定义的颜色也还不满足你的需求，在matplotlib中，任何设置color的地方，都可以使用RGB或者RGBA以及16进制表示颜色。以RGB为例，一般的RGB是三个0-255的数值组成，这里用0-1的小数表示，例如:
color=(0.5,0.5,0.5)如果需要设置alpha值，可以写成四个元素的tuple。其它颜色的表示方法参考：
如果这里的色彩还不够用的话这里
有大量的颜色组合，使用也非常方便，并且可以通过mpl_colormap直接转化为colormap。相对于matplotlib颜色过于热烈，这里的颜色风格更符合目前的审美，即所谓的莫兰迪色。至于如何使用，后面举例说明。
内置colormap
matplotlib内置了大量已经搭配好的色彩，一如既往地色彩鲜明，搭配大红大绿，比较不符合如今的审美，例如下面这一组。
使用方法以imshow为例：
imshow(X,cmap='bwr')就会用到bwr这种色彩搭配。这类中间为白色，两端深色的搭配 一 般叫做diverging。如果觉得以上色彩过于艳丽，一种替代方案就是使用seaborn或者Palettable中的方案。例如下面的配色，来自于 Palettable 中的cartocolors中的Sequential中的DarkMint_4，palettable下的色彩比较性冷淡，就没那么艳丽。
具体的使用方案是这样的，以转化为colormap为例：
from palettable.cartocolors.sequential import DarkMint_4
imshow(data, cmap=DarkMint_4.mpl_colormap)自定义colormap
如果要使用自定义colormap，方案较多，各种方法具体请参考
这里提供一种最简单的方案使用 LinearSegmentedColormap.from_list函数。首先定义一组颜色，如下:
from pylab import *
from matplotlib.colors import ListedColormap,LinearSegmentedColormap
clist=['lightgrey','firebrick','lime']接着将其转化为一种新的colormap:
newcmp = LinearSegmentedColormap.from_list('chaos',clist)最后看一下效果：
当然这里重点不是看审美。特别是clist中的色彩完全可以用rgb或者是16进制，因此搭配方式会非常地多。
通过上面的了解，基本上可以调用已经存在的色彩，或者通过自定义的方式，实现更加合理的颜色搭配。
