Courbes

Couleur & alpha

L’attribut color permet de spécifier la couleur de remplissage (des lignes, du titre, etc)
Matploblib reconnaît différents formats:

Format	Spécifie	Example
tuple (3,) de valeurs entre 0 et 1	couleur RGB	`color=(1,0,0)`
tuple (4,) de valeurs entre 0 et 1	couleur RGBA	`color=(1,0,0,0.5)`
chaîne contenant une valeur entre 0 et 1	couleur en niveau de gris	`color="0.5"`
chaîne hexadécimale RGB	couleur RGB	`color="#FF0000"`
chaîne hexadécimale RGBA	couleur RGBA	`color="#ff000080"`
nom de couleur	couleur RGB	`color="red"`
spécification CN⁽¹⁾	couleur RGB	`color="C0"`

(1): “C” suivit d’un nombre qui est un index dans le cycle de couleur utilisé par Pandas

L’attribut edgecolor permet de spécifier la couleur des bords
L’attribut alpha permet de spécifier l’opacité du trait
(0 = opaque, 1 = transparent, 0.5 = semi-transparent)

Exemples:

x = np.arange(0, 10)
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, figsize=(12, 6))

ax1.plot(x, x + 0, color='0.0', label='0.0')
ax1.plot(x, x + 1, color='0.5', label='0.5')
ax1.plot(x, x + 2, color='1.0', label='1.0')
ax1.legend()

ax2.plot(x, x + 0, color=(1,0,0), label='(1,0,0)')
ax2.plot(x, x + 1, color=(1,0,0), alpha=0.5, label='(1,0,0) + alpha')
ax2.plot(x, x + 2, color=(1,0,0,.5), label='(1,0,0,0.5)')
ax2.legend()

ax3.plot(x, x + 0, color='#FF0000', label='#FF0000')
ax3.plot(x, x + 1, color='#FF0000', alpha=0.5, label='#FF0000 + alpha')
ax3.plot(x, x + 2, color='#ff000080', label='#ff000080')
ax3.legend()

ax4.plot(x, x + 0, color='red', label='red')
ax4.plot(x, x + 1, color='red', alpha=0.5, label='red + alpha')
ax4.legend()

x = np.arange(0, 10)

plt.plot(x, x + 0)
plt.plot(x, x + 1)
plt.plot(x, x + 2, color='C0')
plt.plot(x, x + 3, color='C1')

x = np.arange(0, 10)

plt.scatter(x, x, color='white', edgecolor='k')
plt.scatter(x, x + 1, color='k')

Style & épaisseur de ligne

L’attribut linewidth permet de définir l’épaisseur du trait

x = np.arange(0, 10)

plt.plot(x, x + 0, label='default (1)')
plt.plot(x, x + 1, linewidth=2, label='2')
plt.plot(x, x + 2, linewidth=3, label='3')
plt.plot(x, x + 3, linewidth=4, label='4')
plt.plot(x, x + 4, linewidth=5, label='5')

plt.legend(bbox_to_anchor=(1.05, 1), prop={'size': 15})

L’attribut linestyle permet de définir le style du trait

x = np.arange(0, 10)

plt.plot(x, x + 0, linestyle='solid', label='solid (-)')
plt.plot(x, x + 1, linestyle='dashed', label='dashed (--)')
plt.plot(x, x + 2, linestyle='dashdot', label='dashdot (-.)')
plt.plot(x, x + 3, linestyle='dotted', label='dotted (:)')
plt.plot(x, x + 4, linestyle=(0,(5,1)), label='custom')

plt.legend(bbox_to_anchor=(1.05, 1), prop={'size': 15})

L’attribut capstyle ou dash_capstyle permet de définir le style des fins de ligne

x = np.arange(0, 10)

plt.plot(x, x + 0, linestyle='dashed', linewidth=5, label='default (butt)')
plt.plot(x, x + 1, linestyle='dashed', linewidth=5, dash_capstyle='round', label='round')
plt.plot(x, x + 2, linestyle='dashed', linewidth=5, dash_capstyle='projecting', label='projecting')

plt.legend(bbox_to_anchor=(1.05, 1), prop={'size': 15})

Marqueurs

L’attribut marker permet de définir la forme utilisée pour les points

x = np.random.randint(0,2,10)

plt.plot(x, label='default')
plt.plot(x - 2, marker='.', label='.')
plt.plot(x - 5, marker='o', label='o')
plt.plot(x - 8, marker='s', label='s')
plt.plot(x - 11, marker='P', label='P')
plt.plot(x - 14, marker='X', label='X')
plt.plot(x - 17, marker='*', label='*')
plt.plot(x - 20, marker='p', label='p')
plt.plot(x - 23, marker='D', label='D')
plt.plot(x - 26, marker='<', label='<')
plt.plot(x - 29, marker='>', label='>')

plt.legend(bbox_to_anchor=(1.05, 1), prop={'size': 15})

Liste complètes des marqueurs

L’attribut markersize permet de déifnir la taille des marqueurs

x = np.random.randint(0,2,10)

plt.plot(x, marker='.', label='default')
plt.plot(x - 2, marker='.', markersize=1, label='1')
plt.plot(x - 5, marker='.', markersize=5, label='5')
plt.plot(x - 8, marker='.', markersize=10, label='10')
plt.plot(x - 11, marker='.', markersize=15, label='15')
plt.plot(x - 14, marker='.', markersize=20, label='20')

plt.legend(bbox_to_anchor=(1.05, 1), prop={'size': 15})

Pour définir la valeur par défaut sur tous les graphiques:
```
plt.rcParam['lines.markersize'] = np.sqrt(20)
```

Fmt

On peut spécifier le style de trait, le style de marqueur et la couleur du trait en utilisant une notation abrégée:
```
fmt = '[marker][line][color]'
```
Chacun d’entre eux est optionnel.
Les couleurs supportées sont celles en un caractère ainsi que les spécifications CN.

Exemple:

axes.plot(x, x + 0, '-og', label="solid green")
axes.plot(x, x + 1, '--c', label="dashed cyan")
axes.plot(x, x + 2, '-.b', label="dashdot blue")
axes.plot(x, x + 3, ':r', label="dotted red")

Couleurs avec valeurs continues

Certains graphiques peuvent afficher plus de deux dimensions, comme le scatterplot qui peut afficher 4 dimensions: position X, position Y, taille et couleur. Dans ce cas l’attribut color pend une liste de couleurs:

fig = plt.figure(figsize=(5,5))

df = pd.DataFrame({
    'x': [12,20,28,18,29,33,24,45,45,52,51,52,55,53,55,61,64,69,72],
    'y': [39,39,30,52,54,46,55,99,63,70,66,63,58,23,14, 8,19, 7,24],
    'c': ['r','r','r','r','r','r','r','b','b','b','b','b','b','g','g','g','g','g','g']
})
plt.scatter(df['x'], df['y'], color=df['c'], alpha=0.5)

Mais plutôt que de passer une liste de couleurs on peut utiliser une liste de valeurs avec le paramètre c — non seulement avec des valeurs discrètes mais des valeurs continues. Les couleurs seront automatiquement calculées.

Appeler colorbar permet d’afficher la légende des couleurs et valeurs associées.

fig = plt.figure(figsize=(5,5))

df = pd.DataFrame({
    'x': [12,20,28,18,29,33,24,45,45,52,51,52,55,53,55,61,64,69,72],
    'y': [39,39,30,52,54,46,55,99,63,70,66,63,58,23,14, 8,19, 7,24],
    'c': [1,1,1,1,1,1.5,1.5,2,2,2,2,2.5,2.5,3,3,3,3,3.5,3.5]
})
plt.scatter(df['x'], df['y'], c=df['c'], alpha=0.5)
plt.colorbar()

On peut changer l’ensemble de couleur utilisé avec le paramètre cmap

plt.scatter(df['x'], df['y'], c=df['c'], cmap='Blues', alpha=0.5, edgecolor='k')
plt.colorbar()

Pour récupérer la liste des colormaps installées:

print(plt.colormaps())

maps = [x for x in sorted(plt.colormaps(), key=str.casefold) if not x.endswith('_r')]
n = len(maps)
p = n//2
x = np.outer(np.arange(0,1,0.01), np.ones(10))

fig, axes = plt.subplots(
    nrows=p,
    ncols=2,
    figsize=(30,len(maps)*0.3),
    facecolor='lightgrey'
)
fig.subplots_adjust(hspace=.1, right=.5)

row = 0
col = 0
for _map in maps:
    ax = axes[row, col]
    ax.axis('off')
    ax.imshow(x.T, extent=[35, 130, 0, 10], cmap=_map, origin="lower")
    ax.text(0,3, _map, fontsize=12, ha='left')

    row += 1
    if row == p:
        col += 1
        row  =0

Pour définir le colormap à utiliser pour tous les graphiques:
```
plt.rcParams['image.cmap'] = 'jet'
```

Colormap reference
Choosing Colormaps
Using custom colormaps

Cycle

On peut modifier le cycle de couleur utilisé par un graphique

Étape 1: créer un objet cycler

  # À partir d'une liste de couleurs
  custom_cycler = plt.cycler(color=['r', 'g', 'b'])

  # À partir d'un colormap discret
  custom_cycler = plt.cycler(color=plt.get_cmap('Pastel1').colors)

  # À partir d'un colormap continu
  N = 10
  custom_cycler = plt.cycler(color=plt.get_cmap('jet')(np.linspace(0,1,N)))

Étape 2: définir le cycle du graphique

  ax.set_prop_cycle(custom_cycler)

Pour définir le cycle par défaut de tous les graphiques:

  plt.rcParams['axes.prop_cycle'] = custom_cycler

  plt.rc('axes', prop_cycle=custom_cycler)

Exemple:

x = np.arange(0, 10)

cyclerA = plt.cycler(color=['r', 'g', 'b'])
cyclerB = plt.cycler(color=plt.get_cmap('Pastel1').colors)
cyclerC = plt.cycler(color=plt.get_cmap('jet')(np.linspace(0,1,3)))

fig = plt.figure(figsize=(12, 3))

for i, cycler in enumerate([cyclerA, cyclerB, cyclerC]):
    ax = fig.add_subplot(1, 3, i+1)
    ax.set_prop_cycle(cycler)
    ax.plot(x, x + 0)
    ax.plot(x, x + 1)
    ax.plot(x, x + 2)

Cycling through multiple properties

This site is open source. Improve this page.