下面是一個如何在不同類型的graphs中更改顏色的示例- import numpy as npfrom matplotlib import pyplot as pltdef f(t): return np.exp(-t) * np.cos(2 * np.pi * t)t1 = np.arange(0.0, 5.0, 0.1)t2 = np.arange(0.0, 5.0, 0.02)plt.subplot(211)plt.plot(t1, f(t1), t2, f(t2), "o-")plt.subplot(211)plt.plot(t2, np.cos(2 * np.pi * t2), "o-") plt.show()

Greens顏色圖在matplotlib中從黑色變為綠色再變為白色。您只希望部分從黑色變為綠色（此外，您想要的綠色比matplotlib顏色貼圖中的綠色更生動）。有幾個選項可以實現這一點（例如，您可以使用類似于此處答案的方法截斷顏色貼圖）。但是，一個更簡單的選擇是創建自己的顏色貼圖，從黑色開始，到綠色結束。然后，您還可以控制綠色的色調，以便從mathcad獲得與所需顏色圖更接近的匹配。 我們可以使用matplotlib.colors.LinearSegmentedColormap.from_list()函數來實現這一點。 For example: import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplimport matplotlib.colors as colorsmygreens = colors.LinearSegmentedColormap.from_list('mygreens', ['#000000', '#00FF00'])r = np.linspace(0, 1.5, 50)p = np.linspace(0, 2*np.pi, 50)R, P = np.meshgrid(r, p)z1 = ((R**2 - 1)**2)# Express the mesh in the c

所以我也寫了一篇評論，但是對于那些忽略了這一點的人： 實際上已經有很多關于Stackoverflow的問題了。 你可以看看這篇文章的例子，得到一個很好的概述如何打印彩色終端。 我希望我能幫上忙：）

也許OpenCV的inRange（）會有所幫助？ import cv2hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)lower_hsvcolorspace = np.array([hue_min, saturation_min, value_min])upper_hsvcolorspace = np.array([hue_max, saturation_max, value_max])mask = cv2.inRange(hsv_image, lower_hsvcolorspace, upper_hsvcolorspace) 例如，您可以在此處查找預期的HSV值。只需注意OpenCV中的范圍是不同的：0-179（色調）和0-255（飽和度，值）。 你能發布更多圖片嗎：好的，壞的和預期的輸出？

您可以遍歷生成的軸，然后遍歷它們的條以指定新顏色： import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltsns.set(font_scale = 0.6)df = pd.DataFrame([[5, 5, 1.5], [1.8, 2.2, 1], [4.7, 3.6, 2], [3.4, 2.1, 1.8], [3.8, 2, 0.5], [3.6, 3.5, 2.5]], columns=['overall', 'astro', 'fake'])axes = df.hist()cmap = plt.cm.Spectral_rfor ax in axes.ravel(): if len(ax.containers) > 0: num_bars = len(ax.containers[0]) for bar, val in zip(ax.containers[0], np.linspace(0, 1, num_bars)): bar.set_color(cmap(val))plt.tight_layout()plt.show() 要僅獲取顏色范圍的子集，而不是整個范圍（np.linspace(0, 1, num_bars)），可以使用較小的范圍： cma

你必須為每個年級選擇自己的顏色： import matplotlib.cm as cmcmap = cm.get_cmap('Reds')colors = cmap(np.linspace(0.1, 0.9, df['Grade'].nunique()))ax = df['Grade'].value_counts('Grade', ascending=True).plot.barh(color=colors)plt.show()

以下是可能的解決方案之一： import numpy as npimport cv2red_lower = np.array([-10, 100, 100])red_upper = np.array([10, 255, 255]) # 這里是設置顏色# if red color ha=1# if green color ha=0# print(format(red_lower))green_lower = np.array([35, 43, 46])green_upper = np.array([77, 255, 255])cap = cv2.VideoCapture(0)cap.set(3, 320)cap.set(4, 240)def image_true_area(img): return np.count_nonzero(img)out_number = -1thresh = 200while 1: ret, frame = cap.read() frame = cv2.GaussianBlur(frame, (3, 3), 0) hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) red_mask = cv2.inRange(hsv, red_lower, red_upper) green_mask = cv2.inRange(hsv

是的，你可以。這實際上是CSS屬性“outline”。 下面的代碼單擊按鈕并打印輪廓，即“rgb（15，97，254）solid 2px”。 import timefrom selenium import webdriverfrom bs4 import BeautifulSoupfrom webdriver_manager.chrome import ChromeDriverManagerdef scrape_products(): options = webdriver.ChromeOptions() options.add_argument('start-maximized') options.add_experimental_option("excludeSwitches", ["enable-automation"]) options.add_experimental_option("useAutomationExtension", False) browser = webdriver.Chrome(ChromeDriverManager().install(), options=options) browser.get("https://www.ibm.com/demos/live/tts-demo/self-service/home") time.sleep(2) p

色條使用散點圖的cmap和norm。在這種情況下，給出了各個顏色，顏色條返回到默認的顏色映射（“viridis”）和默認范數（由于沒有給出vmin或vmax或顯式顏色值，所以使用0和1）。 你的values_to_colormap函數將0映射到顏色(0, 0, 0)，將最大值映射到(0.6, 0.4, 0.6)。這相當于在給定顏色之間使用具有vmin=0、vmax=arr.max()和LinearSegmentedColormap的范數： import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.colors import LinearSegmentedColormaprng = np.random.default_rng()arr = np.arange(7000)rng.shuffle(arr)r = np.sqrt(np.random.random(7000))theta = np.random.uniform(high=2 * np.pi, size=7000)X = np.array(r * np.cos(theta))Y = np.array(r * np.sin(theta))ps = plt.scatter(X, Y, marker='.', c=arr, vmin=0, vmax=arr.m

然后可以使用matplotlib中的顏色映射（額外文檔） 在這個例子中，bar_colors列表是以0到100之間的比例創建的，但您可以根據需要選擇比例。 import matplotlib.pyplot as pltimport matplotlib.colorsfig, ax = plt.subplots()names= ['A', 'B', 'C', 'D', 'E']counts = [10, 30, 40, 55, 100]cmap = matplotlib.colors.LinearSegmentedColormap.from_list("", ["red","orange", "green"])bar_colors = [cmap(c/100) for c in counts]ax.bar(names, counts, color=bar_colors)ax.set_ylabel('Frequency')ax.set_title('Names')plt.show() 請注意，您可以根據需要用顏色列表實例化cmap。 另外，請確保在調用cmap()時，您可以使用[0,1]之間的浮點值。

錯誤在這一行 for i, c in range(n_class, colors): 很簡單，你要做的就是得到列表的長度 for i, c in range(n_class, len(colors)): 但我不認為這是主要的錯誤，因為它會把它當作 range(5,6) 如果你想給所有的情節一種你需要的顏色 for i in range(len(colors)): plt.plot(fpr[i], tpr[i], linestyle='--',color=colors[i], label= 'Class %d' %i )

打印時標記圖例條目： import pandas as pdimport numpy as npimport matplotlib.pyplot as plt......# polar plot each row separatelyfor row in df_toy.values.tolist(): values = row[1:] + [row[1]] plt.polar(angles, values, 'o-', linewidth=2, label=row[0]) plt.fill(angles, values, alpha=0.25)# Representation of the spider graphplt.legend()... Sample output:

Updated Answer 我仍然不能100%確定你想要什么，但這應該為你做你想做的事情提供一個良好的基礎： #!/usr/bin/env python3from PIL import Imageimport numpy as npfrom skimage.morphology import dilation# Load image - and make into Numpy array# It is a palette image. 0=black, 1=white, 2=redim = Image.open('start.png')na = np.array(im)# Make mask of white pixels - True where whitewhiteMask = na==1Image.fromarray((whiteMask*255).astype(np.uint8)).save('DEBUG-whiteMask.png')# Make mask of black pixels - True where blackblackMask = na==0Image.fromarray((blackMask*255).astype(np.uint8)).save('DEBUG-blackMask.png')# Footprint of structuring elem

如果模塊名相同，只需import colour as something_else 編輯：您需要取消所有colour（并重新安裝colour-science），因為colour是colour-science的一個分支，所以pip會卸載它。

你有一個(12,3)顏色數組，而你需要一個(4, 3, 3)圖像，每個像素一個RGB顏色。 import numpy as np # type: ignoreimport matplotlib.pyplot as plt # type: ignorecolors = np.array( [ # this is the first row [ # these are the 3 pixels in the first row [0.01, 0.08, 0.01], [0.01, 0.16, 0.01], [0.01, 0.165, 0.01], ], [ [0.01, 0.3, 0.01], [0.01, 0.2, 0.01], [0.666, 0.333, 0.01], ], [ [0.01, 0.165, 0.01], [0.01, 0.3, 0.01], [0.01, 0.2, 0.01], ], # this is the fourth row [ [0.666, 0.333, 0.01], [0.01, 0.165, 0.01], [0.01, 0.3, 0.01], ], ])print(colors.shape)fig, ax = plt.subplots()ax.imshow(colors)ax.set_aspect("equal")plt.show() 根據需要在行