当前位置: 首页 > news >正文

ASCII码对照表(Matplotlib颜色对照表)

文章目录

  • 1、简介
    • 1.1 颜色代码
  • 2、Matplotlib库简介
    • 2.1 简介
    • 2.2 安装
    • 2.3 后端
    • 2.4 入门例子
  • 3、Matplotlib库颜色
    • 3.1 概述
    • 3.2 颜色图的分类
    • 3.3 颜色格式表示
    • 3.4 内置颜色映射
    • 3.5 xkcd 颜色映射
    • 3.6 颜色命名表
  • 4、Colorcet库
  • 5、颜色对照表
  • 结语

1、简介

1.1 颜色代码

颜色代码是一种用于表示颜色的编码系统,常见的颜色代码包括RGB颜色代码和十六进制颜色代码。RGB颜色代码使用红色、绿色和蓝色的数值来表示一个颜色,例如(255, 0, 0)表示红色。十六进制颜色代码使用六位十六进制数来表示一个颜色,例如#FF0000表示红色。颜色代码主要用于在计算机图形和网页设计中指定颜色。

在这里插入图片描述

2、Matplotlib库简介

2.1 简介

https://matplotlib.org/

Matplotlib:使用 Python 进行可视化

Matplotlib 是一个用于创建静态、动画、 以及 Python 中的交互式可视化。Matplotlib 让事情变得简单 简单和困难的事情都可能。
在这里插入图片描述

2.2 安装

Matplotlib及其依赖项作为MacOS、Windows和Linux发行版的车轮包提供:

python -m pip install -U matplotlib

在这里插入图片描述

2.3 后端

matplotlib可以针对不同的输出,这些功能中的每一个都称为后端;“前端”是面向用户的代码,即绘图代码,而“后端”则在幕后完成了所有繁重的工作来生成数字。有两种后端:用户界面后端(用于pygtk、wxpython、tkinter、qt4或macosx;也称为“交互后端”)和硬拷贝后端以生成图像文件(png、svg、pdf、ps;也称为“非交互后端”)。

Tk (>= 8.3, !=8.6.0或8.6.1):用于基于Tk的后端。
PyQt4 (>4.6)或 PySide (>=1.0.3) [1]: 对于基于Qt4的后端。
PyQt5 或 PySide2: 对于基于Qt5的后端。
PyGObject:用于基于GTK3的后端 [2].
wxPython (>=4[3]: 对于基于wx的后端。
pycairo (>=1.11.0)或 cairocffi (>=0.8):用于GTK3和/或基于cairo的后端。
Tornado:用于WebAgg后端。

默认情况下,Matplotlib应该自动选择一个默认的后端,该后端允许交互式工作和从脚本打印,并输出到屏幕和/或文件,因此至少最初您不需要担心后端。

2.4 入门例子

  • 绘制正弦曲线:
import matplotlib.pyplot as plt
import numpy as npfig = plt.figure()
ax = fig.add_subplot(1,1,1)
# ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
ax.plot(np.linspace(0, 2*np.pi, 100), np.sin(np.linspace(0, 2*np.pi, 100)), color='blue', linestyle='-', linewidth=2, marker='o', markersize=5, markerfacecolor='red', markeredgecolor='black', markeredgewidth=1)plt.show()

在这里插入图片描述

  • 绘制2d栅格图
import matplotlib.pyplot as plt
import numpy as npplt.style.use('_mpl-gallery-nogrid')# make data
X, Y = np.meshgrid(np.linspace(-3, 3, 16), np.linspace(-3, 3, 16))
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)# plot
fig, ax = plt.subplots()
ax.imshow(Z, origin='lower')
plt.show()

在这里插入图片描述

3、Matplotlib库颜色

3.1 概述

Matplotlib有许多内置的颜色映射,可通过 matplotlib.cm.get_cmap .
选择一个好的颜色映射的想法是为你的数据集在3D颜色空间中找到一个好的表示。任何给定数据集的最佳颜色映射取决于许多因素,包括:

  • 表示形式或度量数据 ([Ware])
  • 您对数据集的了解( e.g. ,是否存在其他值偏离的临界值?)
  • 如果要绘制的参数有直观的颜色方案
  • 如果该领域有一个标准,观众可能会期待

3.2 颜色图的分类

颜色映射通常根据其功能分为几个类别:

  • 顺序:亮度的变化和颜色的饱和度的增加,通常使用一个单一的色调;应该用来表示有顺序的信息。
  • 偏色:两种不同颜色在中间以不饱和颜色相交时的亮度变化和可能的饱和度变化;当所绘制的信息具有临界中间值时,如地形或当数据偏离零时,应使用偏色。
  • 循环:两种不同颜色的亮度变化,在中间和开始/结束时以不饱和颜色相遇;应用于在端点处环绕的值,如相位角、风向或一天中的时间。
  • 定性:通常是各种颜色;应该用来表示没有顺序或关系的信息。

3.3 颜色格式表示

https://matplotlib.net/stable/api/colors_api.html#module-matplotlib.colors

https://github.com/matplotlib/matplotlib/blob/main/lib/matplotlib/_color_data.py
Matplotlib 识别以下格式来指定颜色:

  • (例如 或)中浮点值的 RGB 或 RGBA 元组。RGBA 是 Red、Green、Blue、Alpha 的缩写;[0, 1](0.1, 0.2, 0.5)(0.1, 0.2, 0.5, 0.3)

  • 十六进制 RGB 或 RGBA 字符串(例如,‘#0F0F0F’或’#0F0F0F0F’);

  • 一个简写的十六进制 RGB 或 RGBA 字符串,相当于复制每个字符得到的十六进制 RGB 或 RGBA 字符串,(例如,‘#abc’等价于’#aabbcc’,或’#abcd’,等价于’#aabbccdd’);

  • 浮点值的字符串表示,包括灰度级(例如,);[0, 1]‘0.5’

  • 单个字母字符串,即其中一个 ,它是蓝色、绿色、红色、青色、洋红色、黄色、黑色和白色阴影的简写符号;{‘b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, ‘w’}

  • X11/CSS4 (“html”) 颜色名称,例如"blue";

  • 来自xkcd 颜色调查的名称,前缀为’xkcd:'(例如,);‘xkcd:sky blue’

  • “Cn”颜色规范,即’C’后跟一个数字,它是默认属性循环的索引(rcParams[“axes.prop_cycle”](默认值:));索引旨在在渲染时发生,如果循环不包括颜色,则默认为黑色。cycler(‘color’, [‘#1f77b4’, ‘#ff7f0e’, ‘#2ca02c’, ‘#d62728’, ‘#9467bd’, ‘#8c564b’, ‘#e377c2’, ‘#7f7f7f’, ‘#bcbd22’, ‘#17becf’])

  • 其中之一是来自“tab10”分类调色板的 Tableau 颜色(这是默认颜色循环);{‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’}

总结如下:

1、用RGB或者RGBA元组,取值范围均归一到[0,1],(e.g:(0.1, 0.2, 0.5) or (0.1, 0.2, 0.5, 0.3))2、用十六进制的颜色表示方式代替RGB或者RGBA元组,(e.g., ‘#0F0F0F’ or ‘#0F0F0F0F’);
3、用[0,1]中的浮点数字符串来表示,(e.g., 灰色表示为:‘0.5’)4、用缩写,{‘b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, ‘w’}中的任意一个;
5、用以“xkcd:”为前缀的xkcd颜色名称,(e.g.,“xkcd:sky blue”)6、用 {‘C0’, ‘C1’, ‘C2’, ‘C3’, ‘C4’, ‘C5’, ‘C6’, ‘C7’, ‘C8’, ‘C9’},表示当前默认颜色列表中的颜色;
7、用来自’ T10 '分类调色板的Tableau颜色(这是默认的颜色循环)当中的一个,{‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’}
import matplotlib
for name, hex in matplotlib.colors.cnames.items():print(name, hex, end=' ')

在这里插入图片描述

3.4 内置颜色映射

https://matplotlib.net/stable/gallery/color/colormap_reference.html
显示几个内置颜色映射的范围如下:

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib import cm
from colorspacious import cspace_converter
from collections import OrderedDictcmaps = OrderedDict()cmaps['Sequential (2)'] = ['binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink','spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia','hot', 'afmhot', 'gist_heat', 'copper']cmaps['Miscellaneous'] = ['flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern','gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg','gist_rainbow', 'rainbow', 'jet', 'turbo', 'nipy_spectral','gist_ncar']nrows = max(len(cmap_list) for cmap_category, cmap_list in cmaps.items())
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))def plot_color_gradients(cmap_category, cmap_list, nrows):fig, axes = plt.subplots(nrows=nrows)fig.subplots_adjust(top=0.95, bottom=0.01, left=0.2, right=0.99)axes[0].set_title(cmap_category + ' colormaps', fontsize=14)for ax, name in zip(axes, cmap_list):ax.imshow(gradient, aspect='auto', cmap=plt.get_cmap(name))pos = list(ax.get_position().bounds)x_text = pos[0] - 0.01y_text = pos[1] + pos[3]/2.fig.text(x_text, y_text, name, va='center', ha='right', fontsize=10)# Turn off *all* ticks & spines, not just the ones with colormaps.for ax in axes:ax.set_axis_off()for cmap_category, cmap_list in cmaps.items():plot_color_gradients(cmap_category, cmap_list, nrows)plt.show()

在这里插入图片描述
在这里插入图片描述

3.5 xkcd 颜色映射

148 个 X11/CSS4 颜色名称中的 95 个也出现在 xkcd 颜色调查中。几乎所有这些都映射到 X11/CSS4 和 xkcd 调色板中的不同颜色值。只有“黑色”、“白色”和“青色”是相同的。

例如,‘blue’映射到’#0000FF’而’xkcd:blue’映射到 ‘#0343DF’。由于这些名称冲突,所有 xkcd 颜色都有 'xkcd:'前缀。

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as pltimport matplotlib.colors as mcolors
import matplotlib.patches as mpatchoverlap = {name for name in mcolors.CSS4_COLORSif f'xkcd:{name}' in mcolors.XKCD_COLORS}fig = plt.figure(figsize=[9, 5])
ax = fig.add_axes([0, 0, 1, 1])n_groups = 3
n_rows = len(overlap) // n_groups + 1for j, color_name in enumerate(sorted(overlap)):css4 = mcolors.CSS4_COLORS[color_name]xkcd = mcolors.XKCD_COLORS[f'xkcd:{color_name}'].upper()# Pick text colour based on perceived luminance.rgba = mcolors.to_rgba_array([css4, xkcd])luma = 0.299 * rgba[:, 0] + 0.587 * rgba[:, 1] + 0.114 * rgba[:, 2]css4_text_color = 'k' if luma[0] > 0.5 else 'w'xkcd_text_color = 'k' if luma[1] > 0.5 else 'w'col_shift = (j // n_rows) * 3y_pos = j % n_rowstext_args = dict(fontsize=10, weight='bold' if css4 == xkcd else None)ax.add_patch(mpatch.Rectangle((0 + col_shift, y_pos), 1, 1, color=css4))ax.add_patch(mpatch.Rectangle((1 + col_shift, y_pos), 1, 1, color=xkcd))ax.text(0.5 + col_shift, y_pos + .7, css4,color=css4_text_color, ha='center', **text_args)ax.text(1.5 + col_shift, y_pos + .7, xkcd,color=xkcd_text_color, ha='center', **text_args)ax.text(2 + col_shift, y_pos + .7, f'  {color_name}', **text_args)for g in range(n_groups):ax.hlines(range(n_rows), 3*g, 3*g + 2.8, color='0.7', linewidth=1)ax.text(0.5 + 3*g, -0.3, 'X11/CSS4', ha='center')ax.text(1.5 + 3*g, -0.3, 'xkcd', ha='center')ax.set_xlim(0, 3 * n_groups)
ax.set_ylim(n_rows, -1)
ax.axis('off')plt.show()

在这里插入图片描述

3.6 颜色命名表

# import matplotlib.pyplot as plt
# import numpy as np# fig, ax = plt.subplots()  # Create a figure containing a single axes.
# ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.from matplotlib.patches import Rectangle
import matplotlib.pyplot as plt
import matplotlib.colors as mcolorsdef plot_colortable(colors, sort_colors=True, emptycols=0):cell_width = 212cell_height = 22swatch_width = 48margin = 12# Sort colors by hue, saturation, value and name.if sort_colors is True:by_hsv = sorted((tuple(mcolors.rgb_to_hsv(mcolors.to_rgb(color))),name)for name, color in colors.items())names = [name for hsv, name in by_hsv]else:names = list(colors)n = len(names)ncols = 4 - emptycolsnrows = n // ncols + int(n % ncols > 0)width = cell_width * 4 + 2 * marginheight = cell_height * nrows + 2 * margindpi = 72fig, ax = plt.subplots(figsize=(width / dpi, height / dpi), dpi=dpi)fig.subplots_adjust(margin/width, margin/height,(width-margin)/width, (height-margin)/height)ax.set_xlim(0, cell_width * 4)ax.set_ylim(cell_height * (nrows-0.5), -cell_height/2.)ax.yaxis.set_visible(False)ax.xaxis.set_visible(False)ax.set_axis_off()for i, name in enumerate(names):row = i % nrowscol = i // nrowsy = row * cell_heightswatch_start_x = cell_width * coltext_pos_x = cell_width * col + swatch_width + 7ax.text(text_pos_x, y, name, fontsize=14,horizontalalignment='left',verticalalignment='center')ax.add_patch(Rectangle(xy=(swatch_start_x, y-9), width=swatch_width,height=18, facecolor=colors[name], edgecolor='0.7'))return figplot_colortable(mcolors.BASE_COLORS, sort_colors=False, emptycols=1)
plt.show()

在这里插入图片描述

plot_colortable(mcolors.TABLEAU_COLORS, sort_colors=False, emptycols=2)

在这里插入图片描述

plot_colortable(mcolors.CSS4_COLORS)

在这里插入图片描述

xkcd_fig = plot_colortable(mcolors.XKCD_COLORS, "XKCD Colors")
xkcd_fig.savefig("XKCD_Colors.png")

4、Colorcet库

https://colorcet.holoviz.org/index.html#
Colorcet 是 感知准确的 256 色颜色图,用于 Python 绘图程序,如 Bokeh、Matplotlib、HoloView 和 Datashader。

目前包括两种类型的颜色图:连续和分类。连续的颜色图在感知上是一致的,每种新颜色在感知上都与之前和之后的颜色相同。连续地图由勘探目标中心的Peter Kovesi使用Kovesi(2015)中描述的方法构建。

pip install colorcet

在这里插入图片描述
安装colorcet后,颜色图将可用 有两种格式:

  • 散景风格的调色板,即十六进制的 RGB 颜色的 Python 列表 字符串,如 [‘#000000’, …, ‘#ffffff’]
  • 使用归一化幅度的 Matplotlib LinearSegmentedColormap, 像 LinearSegmentedColormap.from_list(“火”,[ [0.0,0.0,0.0], …, [1.0,1.0,1.0] ], 256)
import numpy as np
import colorcet as cc
import matplotlib.pyplot as pltxs, _ = np.meshgrid(np.linspace(0, 1, 80), np.linspace(0, 1, 10))
plt.imshow(xs, cmap=cc.cm.colorwheel);  # use tab completion to choose
plt.colorbar(); 
plt.show()

在这里插入图片描述

import scicomap as sc
import matplotlib.pyplot as pltf = sc.compare_cmap(image="grmhd",ctype='sequential',ncols=15,uniformize=True,symmetrize=True,unif_kwargs={'lift': 20},sym_kwargs={'bitonic': False, 'diffuse': True})

在这里插入图片描述
在这里插入图片描述

5、颜色对照表

颜色展示英文代码形象颜色HEX格式RGB格式
▇▇▇▇▇▇▇▇LightPink浅粉红#FFB6C1255,182,193
▇▇▇▇▇▇▇▇Pink粉红#FFC0CB255,192,203
▇▇▇▇▇▇▇▇Crimson猩红#DC143C220,20,60
▇▇▇▇▇▇▇▇LavenderBlush脸红的淡紫色#FF0F5255,240,245
▇▇▇▇▇▇▇▇PaleVioletRed苍白的紫罗兰红色#DB7093219,112,147
▇▇▇▇▇▇▇▇HotPink热情的粉红#FF69B4255,105,180
▇▇▇▇▇▇▇▇DeepPink深粉色#FF1493255,20,147
▇▇▇▇▇▇▇▇MediumVioletRed适中的紫罗兰红色#C71585199,21,133
▇▇▇▇▇▇▇▇Orchid兰花的紫色#DA70D6218,112,214
▇▇▇▇▇▇▇▇Thistle#D8BFD8216,191,216
▇▇▇▇▇▇▇▇Plum李子#DDA0DD221,160,221
▇▇▇▇▇▇▇▇Violet紫罗兰#EE82EE238,130,238
▇▇▇▇▇▇▇▇Magenta洋红#FF00FF255,0,255
▇▇▇▇▇▇▇▇Fuchsia灯笼海棠(紫红色)#FF00FF255,0,255
▇▇▇▇▇▇▇▇DarkMagenta深洋红色#8B008B139,0,139
▇▇▇▇▇▇▇▇Purple紫色#800080128,0,128
▇▇▇▇▇▇▇▇MediumOrchid适中的兰花紫#BA55D3186,85,211
▇▇▇▇▇▇▇▇DarkViolet深紫罗兰色#9400D3148,0,211
▇▇▇▇▇▇▇▇DarkOrchid深兰花紫#9932CC153,50,204
▇▇▇▇▇▇▇▇Indigo靛青#4B008275,0,130
▇▇▇▇▇▇▇▇BlueViolet深紫罗兰的蓝色#8A2BE2138,43,226
▇▇▇▇▇▇▇▇MediumPurple适中的紫色#9370DB147,112,219
▇▇▇▇▇▇▇▇MediumSlateBlue适中的板岩暗蓝灰色#7B68EE123,104,238
▇▇▇▇▇▇▇▇SlateBlue板岩暗蓝灰色#6A5ACD106,90,205
▇▇▇▇▇▇▇▇DarkSlateBlue深板岩暗蓝灰色#483D8B72,61,139
▇▇▇▇▇▇▇▇Lavender薰衣草花的淡紫色#E6E6FA230,230,250
▇▇▇▇▇▇▇▇GhostWhite幽灵的白色#F8F8FF248,248,255
▇▇▇▇▇▇▇▇Blue纯蓝#0000FF0,0,255
▇▇▇▇▇▇▇▇IndigoBlue靛蓝#0000FF0,0,255
▇▇▇▇▇▇▇▇MediumBlue适中的蓝色#0000CD0,0,205
▇▇▇▇▇▇▇▇MidnightBlue午夜的蓝色#19197025,25,112
▇▇▇▇▇▇▇▇DarkBlue深蓝色#00008B0,0,139
▇▇▇▇▇▇▇▇Navy海军蓝,深靛蓝#0000800,0,128
▇▇▇▇▇▇▇▇RoyalBlue皇家蓝#4169E165,105,225
▇▇▇▇▇▇▇▇CornflowerBlue矢车菊的蓝色#6495ED100,149,237
▇▇▇▇▇▇▇▇LightSteelBlue淡钢蓝#B0C4DE176,196,222
▇▇▇▇▇▇▇▇LightSlateGray浅石板灰#778899119,136,153
▇▇▇▇▇▇▇▇SlateGray石板灰#708090112,128,144
▇▇▇▇▇▇▇▇DodgerBlue道奇蓝#1E90FF30,144,255
▇▇▇▇▇▇▇▇AliceBlue爱丽丝蓝#F0F8FF240,248,255
▇▇▇▇▇▇▇▇SteelBlue钢蓝#4682B470,130,180
▇▇▇▇▇▇▇▇LightSkyBlue淡蓝色#87CEFA135,206,250
▇▇▇▇▇▇▇▇SkyBlue天蓝色#87CEEB135,206,235
▇▇▇▇▇▇▇▇DeepSkyBlue深天蓝#00BFFF0,191,255
▇▇▇▇▇▇▇▇LightBlue淡蓝#ADD8E6173,216,230
▇▇▇▇▇▇▇▇PowderBlue火药蓝#B0E0E6176,224,230
▇▇▇▇▇▇▇▇CadetBlue军校蓝#5F9EA095,158,160
▇▇▇▇▇▇▇▇Azure蔚蓝色#F0FFFF240,255,255
▇▇▇▇▇▇▇▇LightCyan淡青色#E1FFFF225,255,255
▇▇▇▇▇▇▇▇PaleTurquoise苍白的绿宝石#AFEEEE175,238,238
▇▇▇▇▇▇▇▇Cyan青色#00FFFF0,255,255
▇▇▇▇▇▇▇▇Aqua水绿色#00FFFF0,255,255
▇▇▇▇▇▇▇▇DarkTurquoise深绿宝石#00CED10,206,209
▇▇▇▇▇▇▇▇DarkSlateGray深石板灰#2F4F4F47,79,79
▇▇▇▇▇▇▇▇DarkCyan深青色#008B8B0,139,139
▇▇▇▇▇▇▇▇Teal水鸭色#0080800,128,128
▇▇▇▇▇▇▇▇MediumTurquoise适中的绿宝石#48D1CC72,209,204
▇▇▇▇▇▇▇▇LightSeaGreen浅海洋绿#20B2AA32,178,170
▇▇▇▇▇▇▇▇Turquoise绿宝石#40E0D064,224,208
▇▇▇▇▇▇▇▇Auqamarin绿玉/碧绿色#7FFFAA127,255,170
▇▇▇▇▇▇▇▇MediumAquamarine适中的碧绿色#00FA9A0,250,154
▇▇▇▇▇▇▇▇MediumSpringGreen适中的春天的绿色#00FF7F0,255,127
▇▇▇▇▇▇▇▇MintCream薄荷奶油#F5FFFA245,255,250
▇▇▇▇▇▇▇▇SpringGreen春天的绿色#3CB37160,179,113
▇▇▇▇▇▇▇▇SeaGreen海洋绿#2E8B5746,139,87
▇▇▇▇▇▇▇▇Honeydew蜂蜜#F0FFF0240,255,240
▇▇▇▇▇▇▇▇LightGreen淡绿色#90EE90144,238,144
▇▇▇▇▇▇▇▇PaleGreen苍白的绿色#98FB98152,251,152
▇▇▇▇▇▇▇▇DarkSeaGreen深海洋绿#8FBC8F143,188,143
▇▇▇▇▇▇▇▇LimeGreen酸橙绿#32CD3250,205,50
▇▇▇▇▇▇▇▇Lime酸橙色#00FF000,255,0
▇▇▇▇▇▇▇▇ForestGreen森林绿#228B2234,139,34
▇▇▇▇▇▇▇▇Green纯绿#0080000,128,0
▇▇▇▇▇▇▇▇DarkGreen深绿色#0064000,100,0
▇▇▇▇▇▇▇▇Chartreuse查特酒绿#7FFF00127,255,0
▇▇▇▇▇▇▇▇LawnGreen草坪绿#7CFC00124,252,0
▇▇▇▇▇▇▇▇GreenYellow绿黄色#ADFF2F173,255,47
▇▇▇▇▇▇▇▇OliveDrab橄榄土褐色#556B2F85,107,47
▇▇▇▇▇▇▇▇Beige米色(浅褐色)#F5F5DC245,245,220
▇▇▇▇▇▇▇▇LightGoldenrodYellow浅秋麒麟黄#FAFAD2250,250,210
▇▇▇▇▇▇▇▇Ivory象牙#FFFFF0255,255,240
▇▇▇▇▇▇▇▇LightYellow浅黄色#FFFFE0255,255,224
▇▇▇▇▇▇▇▇Yellow纯黄#FFFF00255,255,0
▇▇▇▇▇▇▇▇Olive橄榄#808000128,128,0
▇▇▇▇▇▇▇▇DarkKhaki深卡其布#BDB76B189,183,107
▇▇▇▇▇▇▇▇LemonChiffon柠檬薄纱#FFFACD255,250,205
▇▇▇▇▇▇▇▇PaleGodenrod灰秋麒麟#EEE8AA238,232,170
▇▇▇▇▇▇▇▇Khaki卡其布#F0E68C240,230,140
▇▇▇▇▇▇▇▇Gold#FFD700255,215,0
▇▇▇▇▇▇▇▇Cornislk玉米色#FFF8DC255,248,220
▇▇▇▇▇▇▇▇GoldEnrod秋麒麟#DAA520218,165,32
▇▇▇▇▇▇▇▇FloralWhite花的白色#FFFAF0255,250,240
▇▇▇▇▇▇▇▇OldLace老饰带#FDF5E6253,245,230
▇▇▇▇▇▇▇▇Wheat小麦色#F5DEB3245,222,179
▇▇▇▇▇▇▇▇Moccasin鹿皮鞋#FFE4B5255,228,181
▇▇▇▇▇▇▇▇Orange橙色#FFA500255,165,0
▇▇▇▇▇▇▇▇PapayaWhip番木瓜#FFEFD5255,239,213
▇▇▇▇▇▇▇▇BlanchedAlmond漂白的杏仁#FFEBCD255,235,205
▇▇▇▇▇▇▇▇NavajoWhite纳瓦霍白/印第安黄#FFDEAD255,222,173
▇▇▇▇▇▇▇▇AntiqueWhite古代的白色#FAEBD7250,235,215
▇▇▇▇▇▇▇▇Tan晒黑#D2B48C210,180,140
▇▇▇▇▇▇▇▇BrulyWood结实的树#DEB887222,184,135
▇▇▇▇▇▇▇▇Bisque(浓汤)乳脂、番茄等#FFE4C4255,228,196
▇▇▇▇▇▇▇▇DarkOrange深橙色#FF8C00255,140,0
▇▇▇▇▇▇▇▇Linen亚麻布#FAF0E6250,240,230
▇▇▇▇▇▇▇▇Peru秘鲁#CD853F205,133,63
▇▇▇▇▇▇▇▇PeachPuff桃色#FFDAB9255,218,185
▇▇▇▇▇▇▇▇SandyBrown沙棕色#F4A460244,164,96
▇▇▇▇▇▇▇▇Chocolate巧克力#D2691E210,105,30
▇▇▇▇▇▇▇▇SaddleBrown马鞍棕色#8B4513139,69,19
▇▇▇▇▇▇▇▇SeaShell海贝壳#FFF5EE255,245,238
▇▇▇▇▇▇▇▇Sienna黄土赭色#A0522D160,82,45
▇▇▇▇▇▇▇▇LightSalmon浅鲜肉(鲑鱼)色#FFA07A255,160,122
▇▇▇▇▇▇▇▇Coral珊瑚#FF7F50255,127,80
▇▇▇▇▇▇▇▇OrangeRed橙红色#FF4500255,69,0
▇▇▇▇▇▇▇▇DarkSalmon深鲜肉(鲑鱼)色#E9967A233,150,122
▇▇▇▇▇▇▇▇Tomato番茄#FF6347255,99,71
▇▇▇▇▇▇▇▇MistyRose薄雾玫瑰#FFE4E1255,228,225
▇▇▇▇▇▇▇▇Salmon鲜肉(鲑鱼)色#FA8072250,128,114
▇▇▇▇▇▇▇▇Snow#FFFAFA255,250,250
▇▇▇▇▇▇▇▇LightCoral淡珊瑚色#F08080240,128,128
▇▇▇▇▇▇▇▇RosyBrown玫瑰棕色#BC8F8F188,143,143
▇▇▇▇▇▇▇▇IndianRed印度红#CD5C5C205,92,92
▇▇▇▇▇▇▇▇Red纯红#FF0000255,0,0
▇▇▇▇▇▇▇▇Brown棕色#A52A2A165,42,42
▇▇▇▇▇▇▇▇FireBrick耐火砖#B22222178,34,34
▇▇▇▇▇▇▇▇DarkRed深红色#8B0000139,0,0
▇▇▇▇▇▇▇▇Maroon栗色#800000128,0,0
▇▇▇▇▇▇▇▇White纯白#FFFFFF255,255,255
▇▇▇▇▇▇▇▇WhiteSmoke白烟#F5F5F5245,245,245
▇▇▇▇▇▇▇▇Gainsboro庚斯博罗灰色/淡灰色/亮灰#DCDCDC220,220,220
▇▇▇▇▇▇▇▇LightGray浅灰色#D3D3D3211,211,211
▇▇▇▇▇▇▇▇Silver银白色#C0C0C0192,192,192
▇▇▇▇▇▇▇▇DarkGray深灰色#A9A9A9169,169,169
▇▇▇▇▇▇▇▇Gray灰色#808080128,128,128
▇▇▇▇▇▇▇▇DimGray暗淡的灰色#696969105,105,105
▇▇▇▇▇▇▇▇Black纯黑#0000000,0,0

结语

如果您觉得该方法或代码有一点点用处,可以给作者点个赞,或打赏杯咖啡;╮( ̄▽ ̄)╭
如果您感觉方法或代码不咋地//(ㄒoㄒ)//,就在评论处留言,作者继续改进;o_O???
如果您需要相关功能的代码定制化开发,可以留言私信作者;(✿◡‿◡)
感谢各位大佬童鞋们的支持!( ´ ▽´ )ノ ( ´ ▽´)っ!!!

在这里插入图片描述

相关文章:

ASCII码对照表(Matplotlib颜色对照表)

文章目录 1、简介1.1 颜色代码 2、Matplotlib库简介2.1 简介2.2 安装2.3 后端2.4 入门例子 3、Matplotlib库颜色3.1 概述3.2 颜色图的分类3.3 颜色格式表示3.4 内置颜色映射3.5 xkcd 颜色映射3.6 颜色命名表 4、Colorcet库5、颜色对照表结语 1、简介 1.1 颜色代码 颜色代码是…...

Mysql-常用函数及其用法总结

1、字符串函数 测试用例如下: 1.1 CONCAT() 将多个字符串连接成一个字符串。 SELECT CONCAT(first_name, , last_name) AS full_name FROM users; -- 期望结果:John Doe, Jane Smith, Michael Johnson 1.2 SUBSTRING() 提取子字符串 SELECT SUBSTR…...

【c++刷题笔记-数组】day29:452. 用最少数量的箭引爆气球、 435. 无重叠区间 、 763.划分字母区间

452. 用最少数量的箭引爆气球 - 力扣(LeetCode) 思路:先按照左边界排序,当前的左边界大于前一个的右边界的时候,表示没有覆盖所以需要一根箭,反之则要更新为最小的右边界 重点:是区间覆盖问题…...

【数据结构】链表带环问题分析及顺序表链表对比分析

【C语言】链表带环问题分析及顺序表链表对比分析 🔥个人主页:大白的编程日记 🔥专栏:C语言学习之路 文章目录 【C语言】链表带环问题分析及顺序表链表对比分析前言一.顺序表和链表对比1.1顺序表和链表的区别1.2缓存利用率&#…...

快速解决找不到krpt.dll,无法继续执行代码问题

对于那些遇到计算机开机出现由于无法找到krpt.dll,进而无法继续执行代码问题的用户。 krpt.dll是计算机系统中与DirectX紧密相关的重要文件,如果它出现问题,可能会对一些特定的软件或游戏的运行产生影响。实际上,我们有多种解决该…...

C# List、LinkedList、Dictionary性能对比

数据结构性能对比 List、LinkedList、Dictionary 1. ArrayList (List:前传) ArrayList 是一个特殊数组, 通过添加和删除元素就可以动态改变数组的长度。 ArrayList集合相对于数组的优点: 支持…...

【Spring Cloud】微服务的简单搭建

文章目录 🍃前言🎄开发环境安装🌳服务拆分的原则🚩单一职责原则🚩服务自治🚩单向依赖 🍀搭建案例介绍🌴数据准备🎋工程搭建🚩构建父子工程🎈创建父…...

全球首款商用,AI为视频自动配音配乐产品上线

近日,海外推出了一款名为Resona V2A的产品,这是全球首款商用视频转音频 (V2A) 技术产品。这项突破性技术利用AI,仅凭视频数据即可自动生成高质量、与上下文相关的音频,包括声音设计、音效、拟音和环境音,为电影制作人、…...

Git管理源代码、git简介,工作区、暂存区和仓库区,git远程仓库github,创建远程仓库、配置SSH,克隆项目

学习目标 能够说出git的作用和管理源代码的特点能够如何创建git仓库并添加忽略文件能够使用add、commit、push、pull等命令实现源代码管理能够使用github远程仓库托管源代码能够说出代码冲突原因和解决办法能够说出 git 标签的作用能够使用使用git实现分支创建,合并…...

【机器学习】机器学习与时间序列分析的融合应用与性能优化新探索

文章目录 引言第一章:机器学习在时间序列分析中的应用1.1 数据预处理1.1.1 数据清洗1.1.2 数据归一化1.1.3 数据增强 1.2 模型选择1.2.1 自回归模型1.2.2 移动平均模型1.2.3 长短期记忆网络1.2.4 卷积神经网络 1.3 模型训练1.3.1 梯度下降1.3.2 随机梯度下降1.3.3 A…...

执行力不足是因为选择模糊

选择模糊:执行力不足的根源 选择模糊是指在面对多个选项时,缺乏明确的目标和方向。这种模糊感会导致犹豫不决,进而影响我们的执行力。 选择模糊的表现: 目标不明确,不知道应该做什么。优先级混乱,不清楚…...

力扣 225题 用队列实现栈 记录

题目描述 请你仅使用两个队列实现一个后入先出(LIFO)的栈,并支持普通栈的全部四种操作(push、top、pop 和 empty)。实现 MyStack 类: void push(int x) 将元素 x 压入栈顶。 int pop() 移除并返回栈顶元素…...

中英双语介绍意大利(Italy):有哪些著名景点、出名品牌?

中文版 意大利概述 意大利,位于欧洲南部,是一个以其悠久的历史、丰富的文化遗产和美丽的自然风光而闻名的国家。意大利不仅是文艺复兴的发源地,还拥有众多世界著名的城市、景点和品牌。 著名城市 罗马(Rome)&#x…...

Python【打包exe文件两步到位】

Python打包Exe 安装 pyinstaller(pip install pyinstaller) 执行打包命令(pyinstaller demo.py) 打完包会生成 dist 文件夹,如下如...

基于模型预测控制的PMSM系统速度环控制理论推导及仿真搭建

模型预测控制(Model Predictive Control, MPC)是一种先进的控制策略,广泛应用于工业控制中。它可以看作是一种最优控制方法,利用对象的动态模型来预测其状态的未来行为,并根据每个采样时间点特定性能目标函数的优化来确…...

【PYG】GNN和全连接层(FC)分别在不同的类中,使用反向传播联合训练,实现端到端的训练过程

文章目录 基本步骤GNN和全连接层(FC)联合训练1. 定义GNN模型类2. 定义FC模型类3. 训练循环中的联合优化解释完整代码 GNN和全连接层(FC)分别使用不同的优化器和学习率分别进行参数更新解释 基本步骤 要从GNN(图神经网…...

vue3使用方式汇总

1、引入iconfont阿里图库图标: 1.1 进入阿里图标网站: iconfont阿里:https://www.iconfont.cn/ 1.2 添加图标: 1.3 下载代码: 1.4 在vue3中配置代码: 将其代码复制到src/assets/fonts/目录下&#xff1…...

Turborepo简易教程

参考官网:https://turbo.build/repo/docs 开始 安装全新的项目 pnpm dlx create-turbolatest测试应用包含: 两个可部署的应用三个共享库 运行: pnpm install pnpm dev会启动两个应用web(http://localhost:3000/)、docs(http://localhost…...

初中物理知识点总结(人教版)

初中物理知识点大全 声现象知识归纳 1 .声音的发生:由物体的振动而产生。振动停止,发声也停止。 2.声音的传播:声音靠介质传播。真空不能传声。通常我们听到的声音是靠空气传来的。 3.声速:在空气中传播速度是:340…...

ChatGPT-4o大语言模型优化、本地私有化部署、从0-1搭建、智能体构建等高级进阶

目录 第一章 ChatGPT-4o使用进阶 第二章 大语言模型原理详解 第三章 大语言模型优化 第四章 开源大语言模型及本地部署 第五章 从0到1搭建第一个大语言模型 第六章 智能体(Agent)构建 第七章 大语言模型发展趋势 第八章 总结与答疑讨论 更多应用…...

大数据学习栈记——Neo4j的安装与使用

本文介绍图数据库Neofj的安装与使用,操作系统:Ubuntu24.04,Neofj版本:2025.04.0。 Apt安装 Neofj可以进行官网安装:Neo4j Deployment Center - Graph Database & Analytics 我这里安装是添加软件源的方法 最新版…...

智慧工地云平台源码,基于微服务架构+Java+Spring Cloud +UniApp +MySql

智慧工地管理云平台系统,智慧工地全套源码,java版智慧工地源码,支持PC端、大屏端、移动端。 智慧工地聚焦建筑行业的市场需求,提供“平台网络终端”的整体解决方案,提供劳务管理、视频管理、智能监测、绿色施工、安全管…...

vscode(仍待补充)

写于2025 6.9 主包将加入vscode这个更权威的圈子 vscode的基本使用 侧边栏 vscode还能连接ssh? debug时使用的launch文件 1.task.json {"tasks": [{"type": "cppbuild","label": "C/C: gcc.exe 生成活动文件"…...

django filter 统计数量 按属性去重

在Django中,如果你想要根据某个属性对查询集进行去重并统计数量,你可以使用values()方法配合annotate()方法来实现。这里有两种常见的方法来完成这个需求: 方法1:使用annotate()和Count 假设你有一个模型Item,并且你想…...

MySQL 8.0 OCP 英文题库解析(十三)

Oracle 为庆祝 MySQL 30 周年,截止到 2025.07.31 之前。所有人均可以免费考取原价245美元的MySQL OCP 认证。 从今天开始,将英文题库免费公布出来,并进行解析,帮助大家在一个月之内轻松通过OCP认证。 本期公布试题111~120 试题1…...

《基于Apache Flink的流处理》笔记

思维导图 1-3 章 4-7章 8-11 章 参考资料 源码: https://github.com/streaming-with-flink 博客 https://flink.apache.org/bloghttps://www.ververica.com/blog 聚会及会议 https://flink-forward.orghttps://www.meetup.com/topics/apache-flink https://n…...

【Oracle】分区表

个人主页:Guiat 归属专栏:Oracle 文章目录 1. 分区表基础概述1.1 分区表的概念与优势1.2 分区类型概览1.3 分区表的工作原理 2. 范围分区 (RANGE Partitioning)2.1 基础范围分区2.1.1 按日期范围分区2.1.2 按数值范围分区 2.2 间隔分区 (INTERVAL Partit…...

【开发技术】.Net使用FFmpeg视频特定帧上绘制内容

目录 一、目的 二、解决方案 2.1 什么是FFmpeg 2.2 FFmpeg主要功能 2.3 使用Xabe.FFmpeg调用FFmpeg功能 2.4 使用 FFmpeg 的 drawbox 滤镜来绘制 ROI 三、总结 一、目的 当前市场上有很多目标检测智能识别的相关算法,当前调用一个医疗行业的AI识别算法后返回…...

【VLNs篇】07:NavRL—在动态环境中学习安全飞行

项目内容论文标题NavRL: 在动态环境中学习安全飞行 (NavRL: Learning Safe Flight in Dynamic Environments)核心问题解决无人机在包含静态和动态障碍物的复杂环境中进行安全、高效自主导航的挑战,克服传统方法和现有强化学习方法的局限性。核心算法基于近端策略优化…...

算法:模拟

1.替换所有的问号 1576. 替换所有的问号 - 力扣(LeetCode) ​遍历字符串​:通过外层循环逐一检查每个字符。​遇到 ? 时处理​: 内层循环遍历小写字母(a 到 z)。对每个字母检查是否满足: ​与…...