获取matplotlib颜色周期

Question

是否可以查询matplotlib颜色周期的当前状态？换句话说，是否有一个函数get_cycle_state将按以下方式运行？

>>> plot(x1, y1)
>>> plot(x2, y2)
>>> state = get_cycle_state()
>>> print state
2

我希望状态是下一种颜色的索引，它将用于绘图。或者，如果它返回下一个颜色（在上面的例子中是默认循环的“r”），那也可以。

Answer 1

注意：在matplotlib的最新版本中（>；=1.5）_get_lines已更改。现在需要在Python 2或3中使用next(ax._get_lines.prop_cycler)['color']（或者Python 2中使用ax._get_lines.prop_cycler.next()['color']）来从颜色循环中获取下一个颜色。

尽可能使用@joe kington回答的下面部分所示的更直接的方法。由于_get_lines不是面向API的，因此将来可能会以不向后兼容的方式再次更改。

Answer 2

下面是1.5中的一种工作方式，它不依赖于以下划线开头的方法，有望成为未来的证明：

colors = plt.rcParams["axes.prop_cycle"].by_key()["color"]

这将为您提供按当前样式定义的颜色列表。

Answer 3

访问颜色循环迭代器

没有“面向用户”（也称为“public”）方法来访问底层迭代器，但是您可以通过“private”（按惯例）方法访问它。但是，如果不更改它，就无法获取iterator的状态。

设置颜色周期

快速旁白：您可以通过多种方式设置颜色/属性循环（例如，ax.set_color_cycle在versions<；1.5或ax.set_prop_cycler在>；=1.5中）。看看example here for version 1.5 or greater，或者previous style here。

访问底层迭代器

然而，虽然没有面向公共的方法来访问iterable，但是您可以通过_get_lineshelper类实例来访问给定axes对象（ax）的iterable。ax._get_lines是一个很容易混淆的名字，但它是幕后机器，允许plot命令处理所有可以调用plot的奇怪和多样的方式。除此之外，它还可以跟踪要自动分配的颜色。类似地，还有ax._get_patches_for_fill来控制通过默认填充颜色和修补程序属性的循环。

无论如何，线的颜色周期是ax._get_lines.color_cycle，补丁是ax._get_patches_for_fill.color_cycle。在matplotlib>；=1.5上，这已更改为use the ^{} library，iterable被称为prop_cycler，而不是color_cycle，并生成属性的dict，而不是仅生成颜色。

总的来说，你会做如下事情：

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
color_cycle = ax._get_lines.color_cycle
# or ax._get_lines.prop_cycler on version >= 1.5
# Note that prop_cycler cycles over dicts, so you'll want next(cycle)['color']

无法查看iterator

的状态

然而，这个对象是一个“裸的”iterator。我们可以很容易地得到下一个项目（例如next_color = next(color_cycle)），但这意味着在这个之后的下一个颜色将被绘制出来。根据设计，如果不更改迭代器的当前状态，就无法获取它。

在v1.5或更高版本中，最好获得使用的cycler对象，因为我们可以推断其当前状态。但是，cycler对象本身在任何地方都不可访问（公开或私下）。相反，只有从cycler对象创建的itertools.cycle实例是可访问的。不管怎样，都无法到达颜色/属性循环器的基本状态。

匹配先前打印项的颜色，而不是

在你的例子中，听起来你想匹配刚刚绘制的东西的颜色。不要试图确定颜色/属性是什么，而是根据打印内容的属性设置新项的颜色/等。

例如，在你所描述的情况下，我会这样做：

import matplotlib.pyplot as plt
import numpy as np

def custom_plot(x, y, **kwargs):
    ax = kwargs.pop('ax', plt.gca())
    base_line, = ax.plot(x, y, **kwargs)
    ax.fill_between(x, 0.9*y, 1.1*y, facecolor=base_line.get_color(), alpha=0.5)

x = np.linspace(0, 1, 10)
custom_plot(x, x)
custom_plot(x, 2*x)
custom_plot(x, -x, color='yellow', lw=3)

plt.show()

这并不是唯一的方法，但比手动获取绘制线的颜色更干净，在这种情况下。