我们在使用Python进行数据可视化的时候，有大量的优质库可以使用，比如：Matplotlib、seaborn、Plotly、Bokeh、ggplot等。但是图表好看不好看，关键在于配色方案占了一半。如果没有好的审美，很容易做出让人眼前一亮的东西……所以要想做好数据可视化，就必须要有合适的配色方案。除了参考参考配色网站的案例，你也可以自己定制一套配色方案。如何定制？我确实有一个想法，配色的审美需要培养，但一开始，你可以从优秀的作品中找到灵感，比如经典电影、海报、风景、Logo等，这些都是很好的参考。自然风光的色彩往往令人惊叹，我们以风景图为例。下图是海上日落的照片。经过一些操作，提取出一组配色方案（见右图）。那么，我们可以用Python来做吗？答案当然是肯定的，毕竟Python除了生孩子什么都能做！提取图片中的配色，用Python操作图片。最常用的两个模块是PIL和opencv。所以一开始我的计划是用Python库打开图片，然后遍历像素颜色，最后按照颜色比例排序得到图片的配色方案。原来，进行到一半，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，语法简洁，功能强大。同时，它还有极其丰富的第三方库，几乎都可以在github或者pypi上找到。于是搜索了一下，确实有相关的库可以提取图片中的配色，这样我们就不用重新造轮子了。这个模块是-Haishoku，可以用来从图像中获取主色和主配色方案。其GitHub网址为：https://github.com/LanceGin/h...具体使用方法，先安装pipinstallhaishoku，将上面提到的海上日落图片保存到本地，命名为test.png。fromhaishoku.haishokuimportHaishokuimage='test.png'haishoku=Haishoku.loadHaishoku(image)导入模块，运行代码返回一个Haishoku实例，可以直接获取对应的实例属性haishoku.dominant和haishoku.palettePrimarycolors和配色方案。主色首先，如何获取图片的主色？print(haishoku.dominant)这将返回一个结构元组(R,G,B)，它是图像的主色。运行以下代码行Haishoku.showDominant(image)将打开一个临时文件以预览主色的颜色。主色（最多颜色）配色方案#获取配色方案pprint.pprint(haishoku.palette)返回一个结构：[(R,G,B),(R,G,B),…]最大长度为8阵列。这里使用了pprint模块。对于这种多层嵌套的元组，可以打印得很漂亮。运行以下代码行Haishoku.showPalette(image)将打开一个临时文件以预览图像的配色方案。（不会保存到本地）配色方案就是这样，只需要几行代码就可以提取图片中的配色方案，是不是很简单。此外，Haishoku库从v1.1.4版本开始支持直接从urls加载图片。imagepath='https://img-blog.csdnimg.cn/20190222215216318.png'haishoku=Haishoku.loadHaishoku(imagepath)配色方案和可视化通过前面的操作，我们已经提取出了合适的颜色，下面来练习一下。经典电影、海报、风景、标志都是极好的参考对象。所以这一次，我选择了谷歌标志并提取了它的配色方案。imagepath='google.png'haishoku=Haishoku.loadHaishoku(imagepath)pprint.pprint(haishoku.palette)Haishoku.showPalette(imagepath)那么，如果将这种配色方案应用到数据可视化中，会发生什么呢？？这次，我使用刚拿到的谷歌配色方案，尝试用Python画一个圆图。感觉很好。我想收藏这个配色方案。以上就是本次分享的全部内容。觉得文章还不错的话，请关注公众号：Python编程学习圈，每日干货分享，发送“J”还能领取大量学习资料。或者去编程学习网了解更多编程技术知识。
