我們在利用Python進行數據可視化時，有著大量的高質量庫可以用，比如： Matplotlib 、 seaborn 、 Plotly 、 Bokeh 、ggplot等等。但圖表好不好看，配色占一半。如果沒有良好的審美觀，很容易做出來的東西辣眼睛……

所以想做好數據可視化，就要有合適的配色方案。除了可以借鑒參考配色網站的案例，也可以自己自定義一套配色方案。
如何去自定義呢？

我倒是有一個想法，配色的美感需要培養，但在一開始可以在優秀的作品上尋找靈感，比如經典電影、海報、風景圖、Logo等等，這些都是絕佳的參考。

那么，我們用Python能不能做到呢？

答案當然是可以，畢竟Python除了不能生孩子，什么都能做！

提取圖片中的配色

在Python中對圖片進行操作，最常用的兩個模塊就是PIL和opencv了。所以一開始我的方案是，用Python庫打開圖片，然后遍歷像素顏色，最后按照色彩比例進行排序，即可得到該圖片的配色方案。

結果做到一半，我發現自己忽略了一件事。大家都知道，Python 是一門優雅的語言，簡潔的語法，強大的功能。同時它還有擁有極其豐富的第三方庫，這些庫幾乎都可以在github 或者 pypi上找到源碼。

于是我搜了一下，確實有相關的庫可以提取圖片中的配色，那我們就不用重復造輪子了。

這個模塊就是—— Haishoku ，可以用于從圖像中獲取主色調和主要配色方案。

具體用法，還是先安裝

pip install haishoku

將前文提到的海上夕陽圖，保存到本地并命名為test.png。

from haishoku.haishoku import Haishoku
image = 'test.png'
haishoku = Haishoku.loadHaishoku(image)

導入模塊，運行代碼會返回一個Haishoku實例，你可以通過實例屬性haishoku.dominant 和 haishoku.palette，從而直接獲取到對應的主色調和配色方案。

主色調

首先，要怎么獲取圖片的主色調呢？

print(haishoku.dominant)

這返回了一個結構為 (R, G, B) 的元組，就是該圖片的主色調。

運行下面這行代碼

Haishoku.showDominant(image)

則會打開一個臨時文件，用來預覽主色調的顏色。

主色調（最多的顏色）

配色方案

#獲取配色方案
pprint.pprint(haishoku.palette)

返回一個結構為：[(R, G, B), (R, G, B), …] 最大長度為8的數組。

這里使用了pprint模塊，對于這種多層嵌套的元組，正好可以美觀地打印出來。

運行下面這行代碼

Haishoku.showPalette(image)

則會打開一個臨時文件，用來預覽圖片配色方案。（不會保存在本地）

就這樣，只需幾行代碼就提取到圖片中的配色方案，是不是很簡單。

另外，Haishoku庫從v1.1.4版本后，支持從 url 中直接加載圖像。

imagepath = 'https://img-blog.csdnimg.cn/20190222215216318.png'
    
haishoku = Haishoku.loadHaishoku(imagepath)

配色方案與可視化

通過前面的操作，我們就提取到了合適的配色，那么就實戰一下吧。

經典電影、海報、風景圖、Logo都是絕佳的參考對象。

所以這次，我選擇了Google的Logo，并提取到它的配色方案。

imagepath = 'google.png'

haishoku = Haishoku.loadHaishoku(imagepath)

pprint.pprint(haishoku.palette)

Haishoku.showPalette(imagepath)

那么，這套配色方案應用到了數據可視化中，會是怎么樣呢？？