因为论文插图配色问题，被导师怼了两小时···

DataCharm

发布于 2023-10-19 15:05:35

5610

前言

今天是我的可视化课程上线的第203天，目前学员404人，每篇原创公众号都会记录这个人数，用来督促和激励我的原创内容。目前课程的主要方向是科研、统计、地理相关的学术性图形绘制方法，后续也会增加商务插图、机器学等、数据分析等方面的课程。
参与课程的你将获取到：学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。

学员提问

今天的提问环节是我们第一期可视化课程学员提供的，该同学在学习完我们的第一期课程之后，还是觉得自己的配色不是太好看，让我推荐几个好用的颜色工具包，如下：

学员提问

在Python语言中，绘图的颜色拓展工具无法像R语言一样，有非常多的拓展包可以解决，但也有非常多好用的第三方工具，下面就介绍几个我认为不错的拓展颜色包。

好用的颜色工具包

可将颜色拓展工具包分为偏学术和非学术类型两种，今天，我们主要介绍偏「学术类型」的颜色工具包。

Python-scicomap包

Python-scicomap包可以说是专门为Matplotlib提供科学学术图表的配色，其含有单色系(sequential), 双单色系(bi-sequential), 双色渐变系(diverging), 循环色系(circular), 多色系(qualitative) 和混杂色系(miscellaneous) 颜色表，详细内容如下：

scicomap包颜色系样例01

scicomap包颜色系样例02

scicomap包颜色系样例03

更多关于scicomap颜色包详细内容，大家可参考：scicomap颜色包官网[1]

Python-colorcet包

colorcet包包含太多类型的颜色系了，这里也不过多赘述，直接上案例：

colorcet包案例

更多关于colorcet颜色包详细内容，大家可参考：colorcet颜色包官网[2]

Python-cmasher包

Python-cmasher包也是为学术配色所设计出的一个Matplotlib颜色包，这里直接列举几个色系即可，如下：

更多关于cmasher颜色包详细内容，大家可参考：cmasher颜色包官网[3]。

Python-viscm包

Python-viscm包是小编比较喜欢的一个，因为其提供了MATLAB的默认颜色主题，相信许多小伙伴还是蛮期待的，话不多说，直接列举样例，如下

除了上述介绍的我常用的颜色拓展工具包，大家也可以自行自定义颜色。

如何快速的掌握科研绘图技巧？

如何快速的掌握科研绘图技巧？可以考虑以下几点：

学习基本工具和软件: 先熟悉常用的科研绘图工具和软件，例如Python或者R语言等，选择一款适合你的工具。
参考教程和指南: 在线教程、视频教程和指南是学习的好资源。
模仿和实践: 查看优秀的科研绘图范例，模仿它们的风格和技巧。同时，勤练手，多做练习，实践是提高技能的关键。
了解图表类型和用途: 了解不同类型的科研图表，例如折线图、柱状图、散点图等，以及它们在传达信息方面的优缺点。
注重细节和清晰性: 细节决定成败，确保图表的字体清晰、线条精细、标签明了，避免视觉混乱。
遵循学术规范: 遵循学术期刊或机构对图表的规定和要求，包括字体大小、图表标题、坐标轴标签等。
请教专家或同事: 有条件的同学可以跟随一个大佬进行系统学习，向他们寻求指导和建议，可以加速你的学习过程。

这里笔者建议，在资金允许的前提下，可以报名一个长期有效的可视化课程，别报名那种合集资料、没后期服务的课程。建议参加那种作者本人录制视频、有详细代码和数据、有后期服务、有观课平台(如果这个都没有，真的不建议大家购买，说的再好都不要购买)。如果课程持续更新的最好，最好课程本人有一定影响力(比如出书或者大V），那样自己的权益也会收到保障。感兴趣的读者可以看下我们自己的课程介绍，可视化系列课程推文。完美满足我说的那几个条件····

系统学习可视化

当然，在学习数据可视化的道路上，你也有很多问题得不到解答，也可以加入我们的可视化课程(可视化系列课程推文)后，在学员群里和大家一起谈论，一起进步，或者直接向我提问。如果我觉得你的问题很具有普适性，我会把它写成文章发布在公众号上，让更多人看到，有关我们数据可视化系列课程的服务内容，可以参考下面的阅读原文。