共计 1819 个字符，预计需要花费 5 分钟才能阅读完成。
咱们在利用 Python 进行数据可视化时，有着大量的高质量库能够用，比方：Matplotlib、seaborn、Plotly、Bokeh、ggplot等等。但图表好不好看，配色占一半。如果没有良好的审美观，很容易做进去的货色辣眼睛……
所以想做好数据可视化，就要有适合的配色计划。除了能够借鉴参考配色网站的案例，也能够本人自定义一套配色计划。
如何去自定义呢？
我倒是有一个想法，配色的美感须要造就，但在一开始能够在优良的作品上寻找灵感，比方经典电影、海报、风景图、Logo 等等，这些都是绝佳的参考。
自然风景的色彩往往令人惊艳，咱们无妨以风景图为例。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计划（见图右）。
那么，咱们用 Python 能不能做到呢？
答案当然是能够，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，最罕用的两个模块就是 PIL 和 opencv 了。所以一开始我的计划是，用 Python 库关上图片，而后遍历像素色彩，最初依照色调比例进行排序，即可失去该图片的配色计划。
后果做到一半，我发现自己疏忽了一件事。大家都晓得，Python 是一门优雅的语言，简洁的语法，弱小的性能。同时它还有领有极其丰富的第三方库，这些库简直都能够在 github 或者 pypi 上找到源码。
于是我搜了一下，的确有相干的库能够提取图片中的配色，那咱们就不必反复造轮子了。
这个模块就是——Haishoku，能够用于从图像中获取主色调和次要配色计划。
其 GitHub 网址为：https://github.com/LanceGin/h…
具体用法，还是先装置
pip install haishoku将前文提到的海上夕阳图，保留到本地并命名为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，你能够通过实例属性haishoku.dominant 和 haishoku.palette，从而间接获取到对应的主色调和配色计划。
主色调
首先，要怎么获取图片的主色调呢？
print(haishoku.dominant)这返回了一个构造为 (R, G, B) 的元组，就是该图片的主色调。
运行上面这行代码
Haishoku.showDominant(image)则会关上一个临时文件，用来预览主色调的色彩。
主色调（最多的色彩）
配色计划
# 获取配色计划
pprint.pprint(haishoku.palette)返回一个构造为：[(R, G, B), (R, G, B), …] 最大长度为 8 的数组。
这里应用了 pprint 模块，对于这种多层嵌套的元组，正好能够好看地打印进去。
运行上面这行代码
Haishoku.showPalette(image)则会关上一个临时文件，用来预览图片配色计划。（不会保留在本地）
配色计划
就这样，只需几行代码就提取到图片中的配色计划，是不是很简略。
另外，Haishoku 库从 v1.1.4 版本后，反对从 url 中间接加载图像。
imagepath = 'https://img-blog.csdnimg.cn/20190222215216318.png'
haishoku = Haishoku.loadHaishoku(imagepath)配色计划与可视化
通过后面的操作，咱们就提取到了适合的配色，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，我抉择了 Google 的 Logo，并提取到它的配色计划。
imagepath = 'google.png'
haishoku = Haishoku.loadHaishoku(imagepath)
pprint.pprint(haishoku.palette)
Haishoku.showPalette(imagepath)
那么，这套配色计划利用到了数据可视化中，会是怎么样呢？？
这次用方才失去的 Google 配色，Python 绘制一个环形图试试看
感觉还不错，这套配色计划我要珍藏起来。
以上就是本次分享的所有内容，如果你感觉文章还不错，欢送关注公众号：Python 编程学习圈，每日干货分享，发送“J”还可支付大量学习材料。或是返回编程学习网，理解更多编程技术常识。
