In [1]:

# batch_colors 也支持 grid 模式、ID 列表、Collection、query_func 等所有调用方式
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import numpy as np
from multicolor import batch_colors

# grid 模式：用原始 colors 数据绘图
@batch_colors(["Viridis", "Plasma", "Inferno"], layout="grid", cols=3)
def draw_with_hex_colors(record, ax=None):
    # 将 hex 颜色列表转为 ListedColormap
    cmap_obj = mcolors.ListedColormap(record["colors"])
    x = np.linspace(0, 1, 256)
    grad = np.tile(x, (50, 1))
    ax.imshow(grad, aspect="auto", cmap=cmap_obj)

draw_with_hex_colors()

# batch_colors 也支持 grid 模式、ID 列表、Collection、query_func 等所有调用方式 import matplotlib.pyplot as plt import matplotlib.colors as mcolors import numpy as np from multicolor import batch_colors # grid 模式：用原始 colors 数据绘图 @batch_colors(["Viridis", "Plasma", "Inferno"], layout="grid", cols=3) def draw_with_hex_colors(record, ax=None): # 将 hex 颜色列表转为 ListedColormap cmap_obj = mcolors.ListedColormap(record["colors"]) x = np.linspace(0, 1, 256) grad = np.tile(x, (50, 1)) ax.imshow(grad, aspect="auto", cmap=cmap_obj) draw_with_hex_colors()

In [2]:

from multicolor import cmap, batch_colors

# 名称列表方式 — 接收 record dict 而非 Colormap 对象
@batch_colors(["Viridis", "Plasma", "Inferno"])
def show_colors(record):
    print(f"Name: {record['name']}")
    print(f"Type: {record['cmap_type']}")
    print(f"Colors (first 3): {record['colors'][:3]}")
    print()

show_colors()

from multicolor import cmap, batch_colors # 名称列表方式 — 接收 record dict 而非 Colormap 对象 @batch_colors(["Viridis", "Plasma", "Inferno"]) def show_colors(record): print(f"Name: {record['name']}") print(f"Type: {record['cmap_type']}") print(f"Colors (first 3): {record['colors'][:3]}") print() show_colors()

Name: Viridis
Type: sequential
Colors (first 3): ['#440154', '#440256', '#450457']

Name: Plasma
Type: sequential
Colors (first 3): ['#0d0887', '#100788', '#130789']

Name: Inferno
Type: sequential
Colors (first 3): ['#000004', '#010005', '#010106']

@batch_colors() — 使用原始颜色数据¶

@batch_colors() 与 @batch_cmaps() 签名完全一致，但传递的是数据库原始记录 dict，包含 id、name、colors（hex 列表）、cmap_type、tags 等字段。适用于需要自定义颜色处理逻辑的场景。

3. 批量预览¶

演示如何使用 装饰器批量展示多个色带。

方式一：@batch_cmaps() — 名称列表（推荐）¶

最通用的方式，传入名称列表或 Collection。

In [3]:

from multicolor import cmap, batch_cmaps


# 方式 1a：固定名称列表
@batch_cmaps(["Viridis", "Plasma", "Inferno"])
def show(cmap_obj):
    cmap.preview(cmap_obj)


# 调用一次，自动弹出 3 个窗口
show()

from multicolor import cmap, batch_cmaps # 方式 1a：固定名称列表 @batch_cmaps(["Viridis", "Plasma", "Inferno"]) def show(cmap_obj): cmap.preview(cmap_obj) # 调用一次，自动弹出 3 个窗口 show()

In [4]:

# 方式 1b：Collection 传入
@batch_cmaps(cmap.collection(cmap_type="diverging", is_custom=False))
def show_all_diverging(cmap_obj):
    cmap.preview(cmap_obj)


show_all_diverging()


# 方式 1c：查询 kwargs 直接传入
@batch_cmaps(cmap_type="sequential", limit=2)
def show_sequential(cmap_obj):
    cmap.preview(cmap_obj)


show_sequential()

# 方式 1b：Collection 传入 @batch_cmaps(cmap.collection(cmap_type="diverging", is_custom=False)) def show_all_diverging(cmap_obj): cmap.preview(cmap_obj) show_all_diverging() # 方式 1c：查询 kwargs 直接传入 @batch_cmaps(cmap_type="sequential", limit=2) def show_sequential(cmap_obj): cmap.preview(cmap_obj) show_sequential()

方式二：@batch_cmaps() — grid 模式¶

所有色带画在一张多子图表格上。用户函数接收 ax 参数自定义绘制内容。

In [5]:

import numpy as np
from multicolor import batch_cmaps


@batch_cmaps(colorblind_safe="any", is_custom=False, limit=6, layout="grid", cols=3)
def show_grid(cmap_obj, ax=None):
    x = np.linspace(0, 1, 256)
    grad = np.tile(x, (50, 1))
    ax.imshow(grad, aspect="auto", cmap=cmap_obj)


show_grid()

import numpy as np from multicolor import batch_cmaps @batch_cmaps(colorblind_safe="any", is_custom=False, limit=6, layout="grid", cols=3) def show_grid(cmap_obj, ax=None): x = np.linspace(0, 1, 256) grad = np.tile(x, (50, 1)) ax.imshow(grad, aspect="auto", cmap=cmap_obj) show_grid()

方式二： — 按 ID 批量¶

按数据库 ID 列表批量执行。适用于从外部拿到 ID 后快速预览的场景。

In [6]:

# 先获取几个 ID
items = cmap.list(limit=3)
print("IDs:", [item[0] for item in items])
print("Names:", [item[1] for item in items])


# 用 batch_cmaps() 按 ID 批量预览（整数列表自动识别为 ID）
@batch_cmaps([item[0] for item in items])
def show_by_id(cmap_obj):
    cmap.preview(cmap_obj)


show_by_id()

# 先获取几个 ID items = cmap.list(limit=3) print("IDs:", [item[0] for item in items]) print("Names:", [item[1] for item in items]) # 用 batch_cmaps() 按 ID 批量预览（整数列表自动识别为 ID） @batch_cmaps([item[0] for item in items]) def show_by_id(cmap_obj): cmap.preview(cmap_obj) show_by_id()

IDs: [1, 38, 39]
Names: ['Accent', 'Afmhot', 'Autumn']

方式三： — 多种调用方式¶

支持名称列表、Collection、查询 kwargs、query_func 等多种调用风格。

In [7]:

# 名称列表方式
@batch_cmaps(["Viridis", "Plasma", "Inferno"])
def show_names(cmap_obj):
    cmap.preview(cmap_obj)


show_names()


# query_func 方式
@batch_cmaps(query_func=lambda: cmap.names(cmap_type="diverging", is_custom=False))
def show_diverging(cmap_obj):
    cmap.preview(cmap_obj)


show_diverging()

# 名称列表方式 @batch_cmaps(["Viridis", "Plasma", "Inferno"]) def show_names(cmap_obj): cmap.preview(cmap_obj) show_names() # query_func 方式 @batch_cmaps(query_func=lambda: cmap.names(cmap_type="diverging", is_custom=False)) def show_diverging(cmap_obj): cmap.preview(cmap_obj) show_diverging()

方式五：ColormapRenderer.render_grid()¶

如果只需要快速预览色带条（不需要自定义绘制），用 ColormapRenderer.render_grid() 更简洁。

In [8]:

import matplotlib.pyplot as plt
from multicolor.render import ColormapRenderer

# 获取色带对象列表
items = cmap.list(colorblind_safe="any", is_custom=False, limit=6)
cmaps = [(name, cm) for _, name, cm in items]

fig, axes = ColormapRenderer.render_grid(cmaps, cols=3)
plt.show()

import matplotlib.pyplot as plt from multicolor.render import ColormapRenderer # 获取色带对象列表 items = cmap.list(colorblind_safe="any", is_custom=False, limit=6) cmaps = [(name, cm) for _, name, cm in items] fig, axes = ColormapRenderer.render_grid(cmaps, cols=3) plt.show()

方式六：ColormapCollection 批量出图¶

将筛选后的色带批量导出为 PNG 文件。

In [9]:

import os

# 筛选出色盲安全 + matplotlib 来源的色带
collection = cmap.collection(
    is_custom=False, colorblind_safe="any", source="matplotlib"
)
print(f"Selected {len(collection)} colormaps: {collection.names}")

# 保存到 notebook 同目录下
outdir = os.path.join(os.getcwd(), "exported_cmaps")
collection.export_images(outdir, orientation="horizontal", size=(6, 0.8), dpi=150)
print(f"\nExported files:")
for f in sorted(os.listdir(outdir)):
    print(f"  {f}")

import os # 筛选出色盲安全 + matplotlib 来源的色带 collection = cmap.collection( is_custom=False, colorblind_safe="any", source="matplotlib" ) print(f"Selected {len(collection)} colormaps: {collection.names}") # 保存到 notebook 同目录下 outdir = os.path.join(os.getcwd(), "exported_cmaps") collection.export_images(outdir, orientation="horizontal", size=(6, 0.8), dpi=150) print(f"\nExported files:") for f in sorted(os.listdir(outdir)): print(f" {f}")

Selected 53 colormaps: ['Autumn', 'Berlin', 'Binary', 'Blues', 'Bone', 'BrBG', 'BuGn', 'BuPu', 'Cividis', 'Cool', 'Coolwarm', 'Copper', 'Cubehelix', 'Gist_earth', 'Gist_gray', 'Gist_yarg', 'GnBu', 'Gray', 'Greens', 'Greys', 'Inferno', 'Magma', 'Managua', 'Ocean', 'OrRd', 'Oranges', 'PRGn', 'PiYG', 'Plasma', 'PuBu', 'PuBuGn', 'PuOr', 'PuRd', 'Purples', 'RdBu', 'RdGy', 'RdPu', 'RdYlBu', 'RdYlGn', 'Reds', 'Seismic', 'Spectral', 'Spring', 'Summer', 'Turbo', 'Vanimo', 'Viridis', 'Winter', 'Wistia', 'YlGn', 'YlGnBu', 'YlOrBr', 'YlOrRd']

Exported files:
  Autumn.png
  Berlin.png
  Binary.png
  Blues.png
  Bone.png
  BrBG.png
  BuGn.png
  BuPu.png
  Cividis.png
  Cool.png
  Coolwarm.png
  Copper.png
  Cubehelix.png
  Gist_earth.png
  Gist_gray.png
  Gist_yarg.png
  GnBu.png
  Gray.png
  Greens.png
  Greys.png
  Inferno.png
  Magma.png
  Managua.png
  Ocean.png
  OrRd.png
  Oranges.png
  PRGn.png
  PiYG.png
  Plasma.png
  PuBu.png
  PuBuGn.png
  PuOr.png
  PuRd.png
  Purples.png
  RdBu.png
  RdGy.png
  RdPu.png
  RdYlBu.png
  RdYlGn.png
  Reds.png
  Seismic.png
  Spectral.png
  Spring.png
  Summer.png
  Turbo.png
  Vanimo.png
  Viridis.png
  Winter.png
  Wistia.png
  YlGn.png
  YlGnBu.png
  YlOrBr.png
  YlOrRd.png