Python 可视化如何配色？这个工具你值得拥有

所以想做好数据可视化，就要有合适的配色方案。除了可以借鉴参考配色网站的案例，也可以自己自定义一套配色方案。

如何去自定义呢？

我倒是有一个想法，配色的美感需要培养，但在一开始可以在优秀的作品上寻找灵感，比如经典电影、海报、风景图、Logo等等，这些都是绝佳的参考。

自然风景的颜色往往令人惊艳，咱们不妨以风景图为例。下图是一副海上夕阳图，通过一番操作就提取到了一套配色方案（见图右）。

那么，我们用Python能不能做到呢？

答案当然是可以，毕竟Python除了不能生孩子，什么都能做！

提取图片中的配色

在Python中对图片进行操作，最常用的两个模块就是PIL和opencv了。所以一开始我的方案是，用Python库打开图片，然后遍历像素颜色，最后按照色彩比例进行排序，即可得到该图片的配色方案。

结果做到一半，我发现自己忽略了一件事。大家都知道，Python 是一门优雅的语言，简洁的语法，强大的功能。同时它还有拥有极其丰富的第三方库，这些库几乎都可以在github 或者 pypi上找到源码。

于是我搜了一下，确实有相关的库可以提取图片中的配色，那我们就不用重复造轮子了。

这个模块就是——Haishoku，可以用于从图像中获取主色调和主要配色方案。

其GitHub网址为：https://github.com/LanceGin/haishoku

具体用法，还是先安装

pip install haishoku

将前文提到的海上夕阳图，保存到本地并命名为test.png。

from haishoku.haishoku import Haishoku
image = 'test.png'
haishoku = Haishoku.loadHaishoku(image)

导入模块，运行代码会返回一个Haishoku实例，你可以通过实例属性haishoku.dominant 和 haishoku.palette，从而直接获取到对应的主色调和配色方案。

主色调

首先，要怎么获取图片的主色调呢？

print(haishoku.dominant)

这返回了一个结构为 (R, G, B) 的元组，就是该图片的主色调。

运行下面这行代码

Haishoku.showDominant(image)

则会打开一个临时文件，用来预览主色调的颜色。

配色方案

#获取配色方案
pprint.pprint(haishoku.palette)

返回一个结构为：[(R, G, B), (R, G, B), …] 最大长度为8的数组。

这里使用了pprint模块，对于这种多层嵌套的元组，正好可以美观地打印出来。

运行下面这行代码

Haishoku.showPalette(image)

则会打开一个临时文件，用来预览图片配色方案。（不会保存在本地）

就这样，只需几行代码就提取到图片中的配色方案，是不是很简单。

另外，Haishoku库从v1.1.4版本后，支持从 url 中直接加载图像。

imagepath = 'https://img-blog.csdnimg.cn/20190222215216318.png'
    
haishoku = Haishoku.loadHaishoku(imagepath)

配色方案与可视化

通过前面的操作，我们就提取到了合适的配色，那么就实战一下吧。

经典电影、海报、风景图、Logo都是绝佳的参考对象。

所以这次，我选择了Google的Logo，并提取到它的配色方案。

imagepath = 'google.png'

haishoku = Haishoku.loadHaishoku(imagepath)

pprint.pprint(haishoku.palette)

Haishoku.showPalette(imagepath)

那么，这套配色方案应用到了数据可视化中，会是怎么样呢？？

这次用刚才得到的Google配色，Python绘制一个环形图试试看

感觉还不错，这套配色方案我要收藏起来。如果大家觉得本文还不错，记得给个一键三连！

我们的文章到此就结束啦，如果你喜欢今天的Python 实战教程，请持续关注Python实用宝典。

有任何问题，可以在公众号后台回复：加群，回答相应红字验证信息，进入互助群询问。

原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！

点击下方阅读原文可获得更好的阅读体验

Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典