如何在 Matplotlib 中绘制连续曲线的循环中同步每次迭代的颜色？答案

【问题标题】：How can I synch up the colors for each iteration in a loop that plots successive curves in Matplotlib?如何在 Matplotlib 中绘制连续曲线的循环中同步每次迭代的颜色？
【发布时间】：2020-05-03 21:46:20
【问题描述】：

我有以下代码来绘制阻尼振荡器的多个值的解：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
x = np.linspace(0, 50, 1000)
plt.figure(figsize=(9,7.5))
for mu in range(40,100,14):
  plt.plot(x, np.exp(-(mu/500) * x), linestyle='--',alpha=0.4)
  plt.plot(x, -np.exp(-(mu/500) * x), linestyle='--',alpha=0.4)
  plt.plot(x, np.sin(np.sqrt(1 - ((mu/100)**2)) * x)*np.exp(-(mu/500) * x))

（输出图见下）

问题是 Pyplot 似乎在每次迭代中随机分配 3 条曲线的颜色（即 mu 的每个值），但我希望颜色可以“同步”，也就是说mu 的第一个值，np.exp(-(mu/500)、-np.exp(-(mu/500) * x) 和 np.sin(np.sqrt(1 - ((mu/100)**2)) * x)*np.exp(-(mu/500) * x) 的曲线相同（或接近）。

我通过使用 RGB 颜色元组在每次迭代中设置颜色，然后每次递增元组中的值来破解它，但这很乏味，而且您必须将增量与循环的迭代次数联系起来会通过吗？

有没有更优雅、更简洁的方法可以处理任意数量的迭代？

【问题讨论】：

这个 SO 答案应该可以满足您的需求stackoverflow.com/questions/24193174/…

标签： python python-3.x matplotlib seaborn

【解决方案1】：

作为对@pink spikyhairman 评论中答案的补充，您可以通过在其中输入mu/mumax 来定义颜色图并获取颜色：

# define mus outside of loop
mus = np.arange(40,100,14)
cmap = plt.cm.viridis

for mu in mus:

  # define color as colormap entry between 0 and 1
  color = cmap(mu/np.max(mus))  

  plt.plot(x, np.exp(-(mu/500) * x), linestyle='--',alpha=0.4, c=color)
  plt.plot(x, -np.exp(-(mu/500) * x), linestyle='--',alpha=0.4, c=color)
  plt.plot(x, np.sin(np.sqrt(1 - ((mu/100)**2)) * x)*np.exp(-(mu/500) * x), c=color)

【讨论】：

【解决方案2】：

来自matplotlib.pyplot.plot documentation：

默认情况下，每一行都被指定了一个不同的样式 '风格循环'。仅需要 fmt 和 line 属性参数如果您想明确偏离这些默认值。或者，您还可以使用“axes.prop_cycle”更改样式周期 rcParam.

您可以创建一个带有重复颜色参数的cycler 对象，并通过set_prop_cycle 将其传递给坐标区对象，例如：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from cycler import cycler
sns.set()
x = np.linspace(0, 50, 1000)
fig, ax = plt.subplots(1, figsize=(9,7.5))
ax.set_prop_cycle(cycler('color', 'rrrbbb'))
for mu in range(40,40+28,14):
    ax.plot(x, np.exp(-(mu/500) * x), linestyle='--',alpha=0.4)
    ax.plot(x, -np.exp(-(mu/500) * x), linestyle='--',alpha=0.4)
    ax.plot(x, np.sin(np.sqrt(1 - ((mu/100)**2)) * x)*np.exp(-(mu/500) * x))

【讨论】：