一、常用的颜色函数
在Python画图中，我们最常用的颜色函数就是color或c，通过指定RGB颜色或颜色名称来设置颜色。
import matplotlib.pyplot as plt
# 使用RGB颜色值设置颜色
plt.plot([0,1,2,3,4],[0,1,4,9,16],color=(0.5,0.5,0.5))
plt.show()
# 使用颜色名称设置颜色
plt.plot([0,1,2,3,4],[0,1,4,9,16],color='purple')
plt.show()上述代码中，我们使用了color函数来设置线条颜色。在第一个例子中，我们通过RGB颜色值(0.5,0.5,0.5)设置线条颜色；在第二个例子中，我们使用了颜色名称"purple"设置线条颜色。
二、颜色映射
当我们需要在画图中使用大量的颜色时，手动指定每个颜色会非常麻烦。Matplotlib提供了颜色映射，可以让我们方便地将数据转换为颜色。
使用颜色映射，我们可以使用函数scatter来绘制散点图，并使用c参数指定数据与颜色的映射关系。
import matplotlib.pyplot as plt
import numpy as np
# 生成随机数据
np.random.seed(0)
x = np.random.randn(1000)
y = np.random.randn(1000)
colors = np.random.randn(1000)
plt.scatter(x,y,c=colors,cmap='viridis')
plt.colorbar()
plt.show()在上述代码中，我们使用了scatter函数来绘制散点图。通过c参数指定了颜色数据colors，通过cmap参数指定使用的颜色映射为viridis。运行上述代码，我们可以看到生成的散点图中，颜色越深的点对应的数据值越小，颜色越浅的点对应的数据值越大。
三、自定义颜色映射
虽然Matplotlib提供了多种颜色映射，但有时候我们需要自定义颜色映射。我们可以使用LinearSegmentedColormap函数来自定义颜色映射。
import matplotlib.pyplot as plt
import matplotlib.colors as colors
import numpy as np
# 自定义颜色映射
cmap = colors.LinearSegmentedColormap.from_list('my_colormap',['blue','red'])
# 生成随机数据
np.random.seed(0)
x = np.random.randn(1000)
y = np.random.randn(1000)
colors = np.random.rand(1000)
plt.scatter(x,y,c=colors,cmap=cmap)
plt.colorbar()
plt.show()在上述代码中，我们使用了LinearSegmentedColormap函数来自定义颜色映射。由于自定义颜色映射为从蓝色到红色的渐变效果，所以生成的散点图同样呈现从蓝色到红色的渐变色。
四、使用虹色
有时候我们需要使用虹色来绘制图形，在Matplotlib中可以通过使用 ListedColormap 函数来实现。
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
import numpy as np
# 定义虹色
colors = ['#9400d3','#4b0082','#0000ff','#00ff00','#ffff00','#ff7f00','#ff0000']
cmap = ListedColormap(colors)
# 生成随机数据
np.random.seed(0)
x = np.random.randn(1000)
y = np.random.randn(1000)
z = np.sin(x**2+y**2)
plt.scatter(x,y,c=z,cmap=cmap)
plt.colorbar()
plt.show()在上述代码中，我们通过定义颜色列表colors和ListedColormap函数来定义虹色。然后通过scatter函数来绘制散点图，通过c参数指定数据与颜色的映射关系，使用我们定义的虹色映射cmap。
五、使用色带
色带与颜色映射类似，可以让数据与颜色之间产生映射关系。在Matplotlib中，我们可以使用Axes对象的imshow函数来绘制色带。
import matplotlib.pyplot as plt
import numpy as np
# 生成数据
x = np.linspace(-5,5,100)
y = np.linspace(-5,5,100)
X,Y = np.meshgrid(x,y)
Z = np.sin(np.sqrt(X**2+Y**2))
# 绘制色带
plt.imshow(Z,extent=[-5,5,-5,5],cmap='coolwarm')
plt.colorbar()
plt.show()在上述代码中，我们通过meshgrid函数生成了二维的数据Z，并使用imshow函数来绘制色带。通过extent参数指定坐标轴的范围，通过cmap参数指定颜色映射。
