如何修改Matplotlib默认颜色并保留颜色名称调用方式

哈哈，太懂你想要的这种爽感了——不用每次复制黏贴长长的十六进制色码，直接用'r'、'g'这些顺手的短别名，就能调用自己定制的专属颜色，对吧？其实Matplotlib允许我们直接修改它的颜色映射字典，完美解决你的需求，而且完全不会影响yticks这类轴参数，还足够简洁高效。

具体解决方案 #

核心思路是修改Matplotlib内置的颜色转换器字典，把默认的颜色别名（比如'r'、'b'）映射到你自己的十六进制颜色上，这样所有用到颜色别名的地方都会自动使用你的自定义颜色。

步骤1：更新颜色映射 #

首先运行这段代码，一次性替换你需要的默认颜色别名：

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

# 定义你的专属颜色，键是默认别名，值是你的十六进制色码
custom_color_map = {
    'r': '#e0012e',   # 你的红色
    'g': '#80cd59',   # 你的绿色
    'b': '#013c9b',   # 你的蓝色
    'y': '#ffd800',   # 你的黄色
    'orange': '#f6960a',  # 你的橙色
    'gray': '#6f7072' # 你的灰色
}

# 更新Matplotlib的颜色转换器，让别名指向你的颜色
mpl.colors.ColorConverter.colors.update(custom_color_map)
# 同步更新全局命名颜色映射，确保所有场景都能识别
mpl.colors.get_named_colors_mapping().update(custom_color_map)

步骤2：验证效果 #

现在你就可以像最开始期望的那样，直接用颜色别名调用自定义颜色了：

x = np.linspace(1, 10, 1000)

# 用自定义红色（原'r'别名）绘图
y1_in_red = np.sin(2*x) * 2
plt.plot(x, y1_in_red, color='r', linewidth=2, label='Custom Red')

# 用自定义绿色（原'g'别名）绘图
y2_in_green = np.sin(3*x) * 3
plt.plot(x, y2_in_green, color='g', linewidth=2, label='Custom Green')

# 用自定义蓝色（原'b'别名）绘图
y3_in_blue = np.sin(4*x) * 4
plt.plot(x, y3_in_blue, color='b', linewidth=2, label='Custom Blue')

plt.legend()
plt.show()

可选：结合自定义颜色循环 #

如果你同时希望默认的颜色循环也使用你的自定义颜色，可以继续保留你之前的rcParams设置，两者完全兼容：

# 设置默认颜色循环为你的自定义颜色序列
mpl.rcParams['axes.prop_cycle'] = mpl.cycler(color=[
    "#013c9b", "#e0012e", "#80cd59", "#f6960a", "#4f94d4", "#ffd800", "#6f7072"
])

# 循环绘图时会自动使用你的颜色序列
for i in range(1, 6):
    y = np.sin(i*x) * i
    plt.plot(x, y, linewidth=2)
plt.show()

方案优势 #

• 极致简洁：不用每次定义变量存储色码，直接用熟悉的'r'、'g'别名即可
• 无副作用：仅修改颜色映射，完全不会影响yticks、轴样式等其他Matplotlib配置
• 全局生效：所有Matplotlib绘图函数（plot、scatter、bar等）都能识别修改后的别名
• 兼容原有习惯：保留你熟悉的颜色别名用法，不用改变绘图代码的书写习惯

内容的提问来源于stack exchange，提问作者NzPierre