Pandas DataFrame Plot：永久更改默认颜色图答案

【问题标题】：Pandas DataFrame Plot: Permanently change default colormapPandas DataFrame Plot：永久更改默认颜色图
【发布时间】：2017-02-10 09:55:06
【问题描述】：

对于大量绘图脚本，我使用 matplotlibs rcParams 为 pandas DataFrames 配置一些标准绘图设置。

这适用于颜色和字体大小，但不适用于here 所述的默认颜色图

这是我目前的方法：

# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from matplotlib import cm


# global plotting options
plt.rcParams.update(plt.rcParamsDefault)
matplotlib.style.use('ggplot')
plt.rcParams['lines.linewidth'] = 2.5
plt.rcParams['axes.facecolor'] = 'silver'
plt.rcParams['xtick.color'] = 'k'
plt.rcParams['ytick.color'] = 'k'
plt.rcParams['text.color'] = 'k'
plt.rcParams['axes.labelcolor'] = 'k'
plt.rcParams.update({'font.size': 10})
plt.rcParams['image.cmap'] = 'Blues'  # this doesn't show any effect


# dataframe with random data
df = pd.DataFrame(np.random.rand(10, 3))

# this shows the standard colormap
df.plot(kind='bar')
plt.show()

# this shows the right colormap
df.plot(kind='bar', cmap=cm.get_cmap('Blues'))
plt.show()

第一个图不通过颜色图使用颜色图（通常应该这样做？）：

只有当我将它作为第二个情节中的参数传递时它才有效：

有什么方法可以永久定义 pandas DataFrame 绘图的标准颜色图吗？

提前致谢！

【问题讨论】：

标签： python pandas matplotlib

【解决方案1】：

没有支持的官方方法；因为 pandas 的内部 _get_standard_colors function 硬编码了 matplotlib.rcParams['axes.color_cycle'] 的使用并回退到 list('bgrcmyk')，所以你被卡住了：

colors = list(plt.rcParams.get('axes.color_cycle',
                               list('bgrcmyk')))

不过，您可以使用多种技巧；适用于所有pandas.DataFrame.plot() 调用的最简单方法之一是包装pandas.tools.plotting.plot_frame：

import matplotlib
import pandas as pd
import pandas.tools.plotting as pdplot

def plot_with_matplotlib_cmap(*args, **kwargs):
    kwargs.setdefault("colormap", matplotlib.rcParams.get("image.cmap", "Blues"))
    return pdplot.plot_frame_orig(*args, **kwargs)

pdplot.plot_frame_orig = pdplot.plot_frame
pdplot.plot_frame = plot_with_matplotlib_cmap
pd.DataFrame.plot = pdplot.plot_frame

在笔记本中测试：

%matplotlib inline
import pandas as pd, numpy as np
df = pd.DataFrame(np.random.random((1000,10))).plot()

...产量：

【讨论】：