目录：

• 全文速览

• 一、Catppuccin简介

• 二、Catppuccin在Python绘图中的应用

• 1. 支持的绘图库

• 2. 安装方法

• 3. 在Matplotlib中使用Catppuccin

• 三、Catppuccin配色方案详解

• 1. 示例颜色

• 2. 应用颜色

• 四、优势与应用场景

• 五、注意事项

• 六、matplotlib美化的示例

全文速览

数据可视化的过程中，美观的配色方案可以大大提升图表的可读性和专业性。Catppuccin是一套备受欢迎的柔和色彩主题，被广泛应用于编辑器、终端和各种应用程序。近期，Catppuccin也推出了针对Python绘图库的样式支持，使得开发者可以在Matplotlib、Seaborn等库中轻松应用这一美观的配色方案。本文将详细介绍Catppuccin绘图样式库的特点、安装方法以及在Python中的实际应用。

下图是Matplotlib传统样式：进行Catppuccin美化后：

一、Catppuccin简介

Catppuccin是一套以咖啡饮品为灵感的柔和、中性色调的配色方案。其目标是提供一种既美观又护眼的配色，减少长时间注视屏幕对眼睛的疲劳。Catppuccin的配色方案包括了多种颜色，适用于代码高亮、界面主题以及数据可视化等场景。

Catppuccin的特点

• 柔和的色彩：避免了高对比度和过于鲜艳的颜色，减轻视觉疲劳。
• 一致性：在不同的应用和平台上保持一致的色彩体验。
• 多种风格：提供了多个变体，如Latte、Frappe、Macchiato和Mocha，满足不同用户的喜好。
• 社区驱动：由社区贡献和维护，持续更新和完善。

二、Catppuccin在Python绘图中的应用

1. 支持的绘图库

• Matplotlib：Python最基础的绘图库，Catppuccin提供了定制的样式表。
• Seaborn：基于Matplotlib的高级绘图库，能够直接继承Matplotlib的样式。
• Plotly：交互式绘图库，可通过自定义颜色参数应用Catppuccin的配色。

2. 安装方法

Catppuccin的绘图样式库通常以Python包或样式文件的形式提供。以下是安装步骤：

方法一：通过pip安装

pip install catppuccin

方法二：手动下载样式文件

1. 访问Catppuccin的GitHub仓库。
2. 找到针对Matplotlib或其他绘图库的样式文件。
3. 下载样式文件（通常以.mplstyle为后缀）。
4. 将样式文件放置在Matplotlib的样式目录下，或者指定样式文件的路径。

3. 在Matplotlib中使用Catppuccin

import catppuccin
import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.style.use(catppuccin.PALETTE.mocha.identifier)
plt.plot([0,1,2,3], [1,2,3,4])
plt.show()

如果样式文件不在默认路径，可以指定完整路径：

三、Catppuccin配色方案详解

Catppuccin提供了四种主要的风格，每种风格都有一套对应的颜色：

1. Latte：明亮主题，适合光照充足的环境。
2. Frappe：稍暗的主题，介于明亮和暗色之间。
3. Macchiato：暗色主题，柔和的暗色调。
4. Mocha：深色主题，适合夜间或暗光环境。

每种风格都有一组预定义的颜色，涵盖了主色、强调色、背景色等，方便在不同场景下使用。

1. 示例颜色

• Rosewater

• Flamingo

• Pink

• Mauve

• Red

• Maroon

• Peach

• Yellow

• Green

• Teal

• Sky

• Sapphire

• Blue

• Lavender

2. 应用颜色

在实际应用中，可以根据需求选择适合的颜色。例如：

• 数据系列：为不同的数据系列选择不同的主色，确保图表的辨识度。
• 背景和网格：使用柔和的背景色和网格线颜色，减少对数据的干扰。
• 文本和标注：选择对比度适中的颜色，保证可读性。

四、优势与应用场景

1. 提升图表美观度：Catppuccin的配色方案经过精心设计，能够使得图表看起来更加专业和美观，给观众留下良好的视觉印象。

2. 减轻视觉疲劳：柔和的色彩有助于减轻长时间观看图表带来的视觉疲劳，特别是在数据分析和报告展示中。

3. 统一的视觉风格：在项目中统一使用Catppuccin的配色，可以保持视觉风格的一致性，提升整体的专业性。

4. 适用于多种领域：无论是学术研究、商业报告还是数据科学项目，Catppuccin的配色都能很好地适应，满足不同领域的需求。

五、注意事项

• 兼容性：确保您使用的Matplotlib或其他绘图库版本与Catppuccin样式库兼容。
• 自定义调整：虽然Catppuccin提供了默认的配色，但根据实际需求，可能需要进行一些自定义调整。
• 版权和许可：Catppuccin通常遵循MIT许可证，使用时请注意遵守相关的版权规定。

六、matplotlib美化的示例

让我们先生成一些合成数据。我决定使用每个库制作 4 个子图，这样您就可以在同一种数据上进行比较。下面是关键代码：

import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

def scatter():
  x = np.random.random(100)
  y = x-np.random.random(100)
  z = np.random.randint(0,4,100)
  df = pd.DataFrame({'X':x, 'Y': y, 'Z':z})
  return df

def line():
  x = np.arange(0,10,0.1)
  y_1 = np.sin(x)
  y_2 = np.sin(x+5)
  y_3 = np.sin(x+10)
  y_4 = np.sin(x+15)
  y_5 = np.sin(x+20)
  df = pd.DataFrame({'X':x,'y_1':y_1, 'y_2':y_2, 'y_3':y_3, 'y_4':y_4, 'y_5':y_5})
  return df

def hist():
  x_1 = np.random.normal(1,0.1,1000)
  x_2 = np.random.gamma(1,0.25,1000)
  x_3 = np.random.normal(0.4, 0.1,1000)
  x_4 = np.random.normal(-0.1, 0.3,1000)

  df = pd.DataFrame({'X_1': x_1, 'X_2':x_2, 'X_3': x_3, 'X_4':x_4})
  return df

调用这几个函数，就能得到传统样式的图表：

导入Catppuccin，再次调用函数进行绘图，就得到

               

               

声明：本公众号分享的前沿学术成果来源于各学术网站，不依法享有其所有权。若原作者发现本次分享中的文字及图片涉及侵权，请立刻联系公众号后台或发送邮件，我们将及时修改或删除！         

邮箱：environmodel@sina.com