Matplotlib颜色、标记、线型

Matplotlib 视觉美化精解：色彩系统、数据点标记 Marker 与线型 Linestyle

小象实战讲义 · Python数据分析实战

图表不仅是数据计算的输出载体，更是向业务方、管理层或学术界传递关键结论的视觉媒介。粗糙简陋的配色与单一的线条常常掩盖了数据本身的价值，而专业精细的**视觉层级美化（Styling）**则能大幅提升报表的权威感与可读性。Matplotlib 提供了极其丰富细致的样式控制体系：涵盖从十六进制色彩、预设颜色表，到点标记形状（Marker）、线条虚实样式（Linestyle）以及半透明度的全方位配置。本节我们将全面掌握图表视觉美化与风格定制技巧。

💡 核心导读

• 颜色系统（Color Schemes）全解：
  • 基础颜色字符（'b'、'g'、'r'、'k' 等）；
  • 十六进制精准色彩（'#1f77b4'、'#ff7f0e'）；
  • RGBA 四元组（带透明度 Alpha）。
• 线型（Linestyle / ls）全景：实线 '-'、双划虚线 '--'、点划线 '-.' 与纯点线 ':'。
• 数据点标记（Marker）全景：圆点 'o'、三角形 '^'、正方形 's'、十字 '+' 与星号 '*'（支持 markersize、markerfacecolor 与 markeredgecolor 深度定制）。

1. 线型与数据点标记 Marker 深度定制

通过解构数据线与数据点的样式，可以打造高质感的数据曲线：

┌─────────────────────────────────────────────────────────────┐
│                 Marker 与 Linestyle 解构模型                │
├─────────────────────────────────────────────────────────────┤
│  Line: linewidth=2.5, linestyle='--', color='#2b5c8f'       │
│  Marker: marker='o', markersize=8,                          │
│          markerfacecolor='#e74c3c', markeredgecolor='white' │
└─────────────────────────────────────────────────────────────┘

import matplotlib.pyplot as plt
import numpy as np

# 解决中文显示
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 1. 准备多组对比数据
x = np.linspace(0, 10, 12)
y1 = 2 * x + 5
y2 = 1.5 * x + 12
y3 = 0.5 * x ** 1.8 + 2

fig, ax = plt.subplots(figsize=(8, 5))

# 2. 差异化深度定制三条曲线的样式
ax.plot(x, y1, color="#1f77b4", ls="-", lw=2, marker="o", ms=7, mfc="white", mec="#1f77b4", mew=2, label="基准方案 A (实线+空心圆)")
ax.plot(x, y2, color="#e67e22", ls="--", lw=2, marker="s", ms=7, mfc="#e67e22", mec="black", label="优化方案 B (虚线+实心方块)")
ax.plot(x, y3, color="#27ae60", ls="-.", lw=2.5, marker="^", ms=8, mfc="#2ecc71", label="突破方案 C (点划线+绿色三角)")

ax.set_title("多方案业务增长模型精细化样式对比", fontsize=13)
ax.set_xlabel("投入周期 (月)")
ax.set_ylabel("业务产出指标")
ax.grid(True, ls=":", alpha=0.5)
ax.legend(frameon=True, facecolor="#f8f9fa", framealpha=0.9)

plt.savefig("styles_custom_demo.png", bbox_inches="tight")
plt.close(fig)
print("✅ 曲线样式定制渲染完成！")

2. 色彩搭配原理与色盲友好调色板

使用 Tableau 经典色系或 Matplotlib 内置色盘可以确保对比强烈且美观。

# 使用内置经典样式主题 (如 'seaborn-v0_8-whitegrid' 或自定义)
plt.style.use("seaborn-v0_8-whitegrid" if "seaborn-v0_8-whitegrid" in plt.style.available else "default")

fig, ax = plt.subplots(figsize=(7, 4))
x_bar = ["渠道A", "渠道B", "渠道C", "渠道D", "渠道E"]
y_bar = [45, 78, 62, 89, 54]

# 专业调色板配色 (莫兰迪/商业商务色系)
custom_colors = ["#4E79A7", "#F28E2B", "#E15759", "#76B7B2", "#59A14F"]
bars = ax.bar(x_bar, y_bar, color=custom_colors, width=0.55, edgecolor="none")

ax.set_title("多渠道转化率专业配色柱状图", fontsize=12)
ax.set_ylabel("转化率 (%)")

plt.savefig("palette_demo.png", bbox_inches="tight")
plt.close(fig)

import os
for f in ["styles_custom_demo.png", "palette_demo.png"]:
    if os.path.exists(f): os.remove(f)
print("✅ 色彩定制渲染成功！")

📝 动手练一练

1. 概念思考题：在 Matplotlib 中，简写格式字符串 ‘ro—’ 代表什么含义？

   👉 点击查看参考答案

   参考答案：

   • 'r'：线条与点颜色为红色（Red）；
   • 'o'：数据点标记使用圆点（Circle Marker）；
   • '--'：线型使用双划虚线（Dashed Line）。

2. 编程练习：请编写代码绘制一条粉紫色（‘#9b59b6’）、线宽为 3、线型为点线（’:‘）的折线。

   👉 点击查看参考答案

   参考答案：

   import matplotlib.pyplot as plt
   plt.plot([1, 2, 3], [4, 5, 6], color='#9b59b6', lw=3, ls=':')
   plt.close()

本章小结

• 掌握了十六进制色彩、RGB 及透明度（Alpha）的精细调色技巧；
• 熟练运用 marker、markersize、mfc、mec 进行数据点高质感修饰；
• 掌握了实线、虚线、点划线等多种线型的区分与专业商务调色板应用。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《Matplotlib 文本与注记：标题、坐标轴刻度、图例与标注》！

—— 小象教研组