這篇只是初稿，之後會更完整。 用於國內學校教育，若需參考資料煩請與我聯繫。

1. 1
Python 匯出入 CSV 以及繪製圖表
一、 環境設定
物聯網很多系統都是基於 Linux 的環境進行開發設計，所以本課程將環境預設
為 ubunutu 環境。請您於 ubuntu 軟體中心內搜尋「python」，再請您安裝
python3.4 以及編輯軟體 Spyder。
Spyder 具有語法檢察功能，可避免 python 語法出錯，也可透過 Spyder 上的
run 執行 python 程式。Spyder 利用 Interpreters 視窗執行 python，若您覺得
Interpreters 視窗內訊息太複雜，可關閉該視窗，再請點選「Interpreters」
內「Open a Python interpreter」。
【圖 1、於 ubuntu 環境內安裝 python 與編輯軟體】
接著我們需要兩個 python 模組，一個是 numpy 數學計算模組，一個是
matplotlib 統計圖表模組，請您開啟終端機程式，輸入以下兩行指令：
sudo apt-get install python-numpy
sudo apt-get install python-matplotlib
完成了環境設定後，接下來我們將要提兩個主題，第一個主題是 csv 檔案的存
取，第二個主題是圖表顯示。

2. 2
二、 csv 檔案的存取
CSV 是一個常用的資料格式，我們可藉由 Python 讀取 CSV 檔案內容，也可透
過 Python 將資料寫入 CSV 檔案內。由於 Linux 環境內的 CSV 檔案預設編碼為
UTF-8，建議您如果是在 Windows 環境內，請不要使用 Excel，請改用 LibreOffice
Calc 進行編碼處理。由於 Python 中 2.7.x 的 CSV 模組不支援 Unicode，所以程
式的第 1 行我們會加入「# -*- coding: utf-8 -*-」進行編碼設定。例如我們
將讀取以下的 csv 檔案內容(data2.csv)：
dataname,data1,data2
a,100,555
b,234,343
c,234,23
d,23,44
e,45,334
f,23,345
這個 CSV 檔案第一列為標題，第二列起才是真實的資料，我們在讀取檔案內容
時須將這兩部分切割(檔名為 csv.py)：
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
# -*- coding: utf-8 -*-
import csv
filename = 'data2.csv'
data = []
try:
with open(filename) as f:
reader = csv.reader(f)
header = reader.next()
data = [row for row in reader]
except csv.Error as e:
print "Error reading CSV file at line %s: %s" % (reader.line_num,
e)
if header:
print header
print '=================='
for datarow in data:
print datarow

3. 3
【圖 2、讀取 csv 並將第一列與其他列分開】
第 1 行語法的目的是設定檔案的編碼為 UTF-8，第 2 行匯入 python 的 CSV 模
組，第 3 行設定 filename 變數的內容是 data2.csv。透過 open 語法開啟 filename
變數，產生一個繫結至物件 f。第 6 行 with 語法可以控制物件 f 操作完成後可
被釋放關閉。第 7 行使用 csv.reader()讀取所有資料後儲存於 reader 陣列，第
8 行 reader 陣列的第一筆資料交給 header 後指標指向下一筆紀錄，接著第 9 行
剩下的資料交給 data 陣列儲存。
第 12 行條件分析後如果 header 存在則輸出 header 內容，接著第 15 行以 for
迴圈控制，逐一由 data 陣列讀取每一筆資料後儲存於 datarow 變數內，再將
datarow 變數輸出。這個練習中也使用了例外處理，第 5 行設置 try 區塊放入 with
語法，如果 with 語法執行過程中有發生狀況，程式會暫停執行，跳至第 10 行
except 這個區塊內輸出 Error 訊息。
在此提供 example.csv 檔案內如如下，這是一個以「,」為分隔符號的 CSV 檔
案：
日期,成交股數,成交金額,成交筆數,發行量加權股價指數,漲跌點數
104/01/02,"2,104,640,545","50,472,201,894","497,889","6,952.21",-119.
87
104/01/03,"2,640,781,030","64,138,886,194","623,192","7,053.38",101.1
7
104/01/04,"2,983,756,821","75,845,629,353","728,417","7,082.97",29.59
104/01/05,"3,062,757,248","76,850,752,698","737,780","7,130.86",47.89
104/01/06,"3,314,147,435","88,101,921,548","823,810","7,120.51",-10.3
5

4. 4
104/01/09,"2,610,433,477","71,323,370,369","634,137","7,093.04",-27.4
7
104/01/10,"3,595,611,551","97,168,542,017","869,327","7,178.87",85.83
104/01/11,"3,322,390,467","88,786,671,892","802,539","7,188.21",9.34
104/01/12,"2,969,248,375","78,947,910,460","731,328","7,186.58",-1.63
104/01/13,"3,497,838,901","99,286,437,370","819,762","7,181.54",-5.04
104/01/16,"3,184,795,667","76,842,611,338","719,725","7,103.62",-77.9
2
104/01/17,"3,720,277,205","101,133,309,290","899,597","7,221.08",117.
46
104/01/18,"4,088,756,925","113,988,641,382","1,020,420","7,233.69",12
.61
104/01/30,"4,540,373,544","143,900,658,474","1,113,727","7,407.41",17
3.72
104/01/31,"5,486,734,180","162,361,181,834","1,283,951","7,517.08",10
9.67
於 unbuntu 內請開啟 Spyder 編輯 python 文件後執行(檔名為 csv2.py)：
1
2
3
4
5
6
# -*- coding: utf-8 -*-
import csv
f=open('example.csv',"r")
for row in csv.DictReader(f):
print(row['日期'])
f.closed

5. 5
【圖 3、讀取 CSV 檔案的指定一欄內容】
第 1 行語法的目的是設定檔案的編碼為 UTF-8，第 2 行匯入 python 的 CSV 模
組，第 3 行建立 python 與 CSV 檔案的連結物件，這一行連結 example.csv 檔案，
連結屬性為「讀取」，物件名稱為 f。第 4 行建立一個迴圈，透過 csv.DictReader
逐行讀取 f 物件資料，並以陣列型式儲存於 row 陣列。第 5 行輸出 row 陣列的「日
期」欄位內容，第 6 行關閉銷毀 f 物件。
讀取出來的資料可再做進一步的分析，請於 unbuntu 內請開啟 Spyder 編輯
python 文件後執行(檔名為 csv-3-1.py)：
1
2
3
4
5
6
7
# -*- coding: utf-8 -*-
import csv
f=open('example.csv',"r")
for row in csv.DictReader(f):
if float(row['漲跌點數'])>9.34 :
print(row['漲跌點數'])
f.closed
【圖 4、讀取 CSV 檔案後指定特定欄位進行資料分析】

6. 6
第 5 行將 row 陣列的「漲跌點數」欄位內容轉換為浮點數型態後判斷是否大於
9.34，若條件成立則將「漲跌點數」欄位內容輸出。
讀取出來的資料欄位名稱可以更進一步簡化為特定的代碼，「漲跌點數」欄位
是第 6 個欄位，若依照英文字母排列則是 f，請於 unbuntu 內請開啟 Spyder 編
輯 python 文件後執行(檔名為 csv-3.py)：
01
02
03
04
05
06
07
08
09
# -*- coding: utf-8 -*-
import csv
f=open('example.csv',"r")
for row in csv.DictReader(f,['a','b','c','d','e','f']):
if float(row['f'])>71 :
print(row['f'])
else:
print("error")
f.closed
【圖 5、讀取 CSV 檔案後將欄位名稱簡化為特定代碼並做條件分析】
第 4 行建立一個迴圈，透過 csv.DictReader 逐行讀取 f 物件資料，讀取 f 物
件資料後依序放入規劃欄位名稱為 a、c、d、e、f 的 row 陣列內。第 5 行將 row
陣列的「f」欄位內容轉換為浮點數型態後判斷是否大於 71，若條件成立則將「f」
欄位內容輸出，若不成立則輸出「error」。
除了讀取資料，我們也可以寫入資料到 CSV 檔案內，寫入的方式有兩種，「a」
代表附加，若檔案存在則會在原有內容後附加上去；「w」代表覆蓋，若檔案存在
則會刪除原內容後添加新資料。請於 unbuntu 內請開啟 Spyder 編輯 python 文件
後執行(檔名為 csv-4a.py)：
1
2
3
4
5
6
# -*- coding: utf-8 -*-
import csv
data=[['a','b',100,3.5],['x','y',200,7.5]]
f=open("test2.csv","a")
f.writerows(data)
f.closed
請查看 test2.csv 檔案內容，另請修改第 4 行的"a"為"w"，另存新檔(例如
csv-4b.py)後再執行，再請查看 test2.csv 檔案內容。

7. 7
儲存 CSV 檔案時也可挑選其他格式，請於 unbuntu 內請開啟 Spyder 編輯 python
文件後執行(檔名為 csv-5.py)：
1
2
3
4
5
6
# -*- coding: utf-8 -*-
import csv
with open('eggs.csv','w') as csvfile:
s=csv.writer(csvfile,delimiter='-',quotechar="|",quoting=csv.QUOTE_MINIMA
L)
s.writerow(['Spam1','Spam2','Spam3'])
s.writerow(['Spam11','Spam21','Spam31'])
第 3 行進行檔案連結處理，以 w 寫入方式開啟 eggs.csv 檔案，第 4 行則要進
行寫入的格式設定。第 4 行有三個參數，如表 1 的說明。
參數 說明
delimiter 代表分隔符號
quotechar 代表包住字串的符號
quoting 插入到 CSV 文件中的一行記錄加入 quotechar 的方式
【表 1、儲存 CSV 檔案時挑選其他格式】
插入到 CSV 文件中的一行記錄加入 quotechar 的方式可參考表 2 的說明。
quoting 說明
csv.QUOTE_ALL 不論任何類型，全部都可以設定為符號。
csv.QUOTE_MINIMAL 使用特殊字元的欄位。
csv.QUOTE_NONNUMERIC 使用不是數字的欄位。
csv.QUOTE_NONE 不使用輸出的任何資料。
【表 2、插入到 CSV 文件中的一行記錄加入 quotechar 的方式】
特殊 csv 檔案格式內容如下：
|Spam1|-|Spam2|-|Spam3|
|Spam11|-|Spam21|-|Spam31|
三、 圖表顯示
進行圖表顯示之前，我們可利用終端機環境內互動的方式立即產生圖表，請於
終端機內啟動 ipython：
ipython --pylab
接著請您輸入以下的資料：
plot([1,2,3,2,3,2,2,1])

8. 8
您會看到這邊產生了一個圖表。
【圖 6、ipython 產生的圖表：y 軸給值】
這圖表可以分為好幾個區域，在此略作說明如下：
x and y axis：x 是水平的軸線、y 是垂直的軸線。
x and y tickers：代表 x 軸與 y 軸的刻度，這刻度代表坐標軸的分隔，包括最
小與最大的刻度。
x and y values：代表 x 軸與 y 軸的刻度內容
figure：畫布，圖表繪製於上。

9. 9
【圖 7、figure 畫面說明】
前面的資料只提供 y 值，x 軸為默認值，因 plot()內參數有 7 個，所以 x 由 0
到 7 進行繪圖。現在嘗試加入 x 軸的值，我們來看看畫面會如何顯示。請於終端
機內啟動 ipython：
ipython --pylab
接著請您輸入以下的資料：
plot([3,4,6],[2,7,5])

10. 10
【圖 8、ipython 產生的圖表：x 軸與 y 軸給值】
前面為 X 軸，後面為 Y 軸的方式給值。您也可以合併兩個數據後輸出，比如說
延續上個練習，接著請您輸入以下的資料：
plot([9,8,7])
【圖 9、ipython 產生兩個圖表】
畫面上將會出現兩個圖表資訊，所以您可使用 ipython 於終端機測試，再開始
寫程式。
1、 基本繪圖說明
我們試著在一個文件上繪製六個圖表，藉此了解各種基本繪圖指令。請於
unbuntu 內請開啟 Spyder 編輯 python 文件後執行(檔名為 1.py)：
01
02
03
04
05
06
07
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
x = [1,2,3,4]
y = [5,4,3,2]
plt.figure()
plt.subplot(231)
plt.plot(x, y)

11. 11
08
09
10
11
12
13
14
15
16
17
18
19
20
plt.subplot(232)
plt.bar(x, y)
plt.subplot(233)
plt.barh(x, y)
plt.subplot(234)
plt.bar(x, y)
y1 = [7,8,5,3]
plt.bar(x, y1, bottom=y, color = 'r')
plt.subplot(235)
plt.boxplot(x)
plt.subplot(236)
plt.scatter(x,y)
plt.show()
【圖 10、切割成 6 等份顯示圖表】
這一張圖的資訊非常豐富，我們可以一張一張繪製，不過為了讓您了解 python
功能的強大，這邊選擇一次繪製六張圖表。

12. 12
透過 figure 動作可以建立一個畫布，於這畫布上可透過 plot()做基本的繪圖，
plot()可對x 座標及相對應的y 座標進行繪製。若於畫布上寫要繪製多張圖表，
可使用 subplot()這個動作，subplot()動作內可加入三個參數，我們以 mnp 來
表示，可以切割為 m 乘以 n 個區域，而 p 代表第幾個位置。接著各單元可簡介各
種圖表的規劃設計。
2、 長條圖
長條圖樣式將會使用 bar()這動作，bar()的參數樣式很多，可以使用 bar(X,Y)
代表 x 軸位置與 y 軸內容，或者可用 bar(X,Y,width)代表 x 軸位置與 y 軸內容
及寬度；bar (x, y1, bottom=y, color = 'r')代表 x 為 x 軸位置，y1 為 y 軸
內容，顏色為紅色，而「bottom=y」代表堆疊。橫向長條圖可用 barh()動作操
作，參數與 bar()相同，只是方向不同。
我們試著在一個文件上繪製長條圖，藉由數量的不同進行區間的調整。請於
unbuntu 內請開啟 Spyder 編輯 python 文件後執行(檔名為 2.py)：
1
2
3
4
5
6
7
8
9
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
y = [3, 10, 7, 5, 3, 4.5, 6, 8.1]
N = len(y)
x = range(N)
width = 1/1.5
plt.figure()
plt.bar(x, y, width, color="blue")
plt.show( )

13. 13
【圖 11、基本的長條圖】
接著我們對資料進行格式化動作，X 軸上出現說明文字，以及給予每一個座標
內容，我們規劃了三個長條圖，內容分別為 26、17、30，X 軸上顯示 Label0、
Label1、Label2。請於 unbuntu 內請開啟 Spyder 編輯 python 文件後執行(檔名
為 3.py)：
1
2
3
4
5
6
7
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
dictionary = plt.figure()
D = {u'Label0':26, u'Label1': 17, u'Label2':30}
plt.bar(range(len(D)), D.values(), align='center')
plt.xticks(range(len(D)), D.keys())
plt.show( )

14. 14
【圖 12、設定標籤的長條圖】
接下來的設計就稍微複雜了，我們不僅將兩種資料合併在一個長條圖上，且設
定了 X 軸與 Y 軸的刻度標籤。請於 unbuntu 內請開啟 Spyder 編輯 python 文件後
執行(檔名為 4.py)：
01
02
03
04
05
06
07
08
09
10
11
12
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
mpl_fig = plt.figure()
ax = mpl_fig.add_subplot(111)
N = 5
menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)
menStd = (2, 3, 4, 1, 2)
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N)
width = 0.35

15. 15
13
14
15
16
17
18
19
20
21
22
p1 = ax.bar(ind, menMeans, width, color=(0.2588,0.4433,1.0))
p2 = ax.bar(ind, womenMeans, width, color=(1.0,0.5,0.62),
bottom=menMeans)
ax.set_ylabel('Scores')
ax.set_xlabel('Groups')
ax.set_title('Scores by group and gender')
ax.set_xticks(ind + width/2.)
ax.set_yticks(np.arange(0, 81, 10))
ax.set_xticklabels(('G1', 'G2', 'G3', 'G4', 'G5'))
plt.show( )
【圖 13、設定刻度標籤的長條圖】
下一個練習我們就會將三組資料依據時間以不同顏色顯示。請於 unbuntu 內請
開啟 Spyder 編輯 python 文件後執行(檔名為 5.py)：
01
02
03
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
from matplotlib.dates import date2num

16. 16
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
import datetime
multiple_bars = plt.figure()
x = [datetime.date(2016, 1, 4),
datetime.date(2016, 1, 5),
datetime.date(2016, 1, 6)]
x = date2num(x)
y = [4, 9, 2]
z=[1,2,3]
k=[11,12,13]
ax = plt.subplot(111)
ax.bar(x-0.2, y,width=0.2,color='b',align='center')
ax.bar(x, z,width=0.2,color='g',align='center')
ax.bar(x+0.2, k,width=0.2,color='r',align='center')
ax.xaxis_date()
plt.show()
【圖 14、依據時間分組的長條圖】
下一個練習我們將於 X 軸與 Y 軸加上標籤，並且於圖表文件上加上圖例說明文

17. 17
字。請於 unbuntu 內請開啟 Spyder 編輯 python 文件後執行(檔名為 5a.py)：
01
02
03
04
05
06
07
08
09
10
11
12
13
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 10, 1)
y = np.log(x)
xe = 0.1 * np.abs(np.random.randn(len(y)))
plt.bar(x, y, yerr=xe, width=0.4, align='center', ecolor='r',
color='cyan', label='experiment #1');
plt.xlabel('# measurement')
plt.ylabel('Measured values')
plt.title('Measurements')
plt.legend(loc='upper left')
plt.show()
【圖 15、加上圖例說明的長條圖】
3、 盒狀圖

18. 18
盒狀圖可用 boxplot( )規劃，盒狀圖的目的是顯示資料集合的整個範圍分布，
在一個盒狀圖內可以顯示出五種資訊。
1. 最小值：資料集合中的最小值資料。
2. 第二四分位數：資料集合中較低的 25%資料。
3. 中間值：資料集合中位於 50%資料。
4. 第三四分位數：資料集合中的 75%資料。
5. 最大值：資料集合中的最大值資料。
我們將設計一個基本的盒狀圖。請於 unbuntu 內請開啟 Spyder 編輯 python
文件後執行(檔名為 6.py)：
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
plt.figure()
spread = np.random.rand(50) * 100
center = np.ones(25) * 50
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
data = np.concatenate((spread, center, flier_high, flier_low), 0)
mpl_fig = plt.figure()
ax = mpl_fig.add_subplot(111)
ax.boxplot(data)
ax.set_xlabel('Data Points')
ax.set_ylabel('Variance')
plt.show()

19. 19
【圖 16、基本的盒狀圖】
我們將設計多個盒狀圖，顯示隨機取數下資料的變化。請於 unbuntu 內請開啟
Spyder 編輯 python 文件後執行(檔名為 7.py)：
01
02
03
04
05
06
07
08
09
10
11
12
13
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
plt.figure()
N = 1000
data_set1 = np.random.normal(1, 1, N)
data_set2 = np.random.lognormal(1, 1, N)
data_set3 = np.random.exponential(1, N)
data_set4 = np.random.gumbel(6, 4, N)
data_set5 = np.random.triangular(2, 9, 11, N)
data = [data_set1, data_set2, data_set3, data_set4, data_set5]
mpl_fig = plt.figure()
ax = mpl_fig.add_subplot(111)

20. 20
14
15
ax.boxplot(data)
plt.show()
【圖 17、多個盒狀圖】
4、 散佈圖
散佈圖是將兩個可能相關的變數資料用點畫在坐標圖上，用成對的資料之間是
否有相關性。這種成對的資料或許是特性一原因，特性一特性一原因的關係。通
過對其觀察分析，來判斷兩個變數之間的相關關係。
我們將設計一個基本的散佈圖，資料以隨機方式產生。請於 unbuntu 內請開啟
Spyder 編輯 python 文件後執行(檔名為 8.py)：
01
02
03
04
05
06
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
plt.figure()
fig, ax = plt.subplots()
ax.scatter(np.linspace(-1, 1, 50), np.random.randn(50))

21. 21
07 plt.show()
【圖 18、基本散佈圖】
接著我們藉由透明度的設計讓散佈圖有不一樣的變化，請於 unbuntu 內請開啟
Spyder 編輯 python 文件後執行(檔名為 9.py)：
01
02
03
04
05
06
07
08
09
10
# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
x = np.random.normal(size = 2000)
y = np.random.normal(size = 2000)
plt.scatter(x, y, alpha = 0.3)
plt.title("scatterplot")
plt.xlabel("x")
plt.ylabel("y")
plt.show()

22. 22
【圖 19、具透明度的散佈圖】
除了透明度的設計，我們也可以隨機方式改變散佈圖的大小，請於 unbuntu
內請開啟 Spyder 編輯 python 文件後執行(檔名為 10.py)：
01
02
03
04
05
06
07
08
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
x = np.random.rand(500)
y = np.random.rand(500)
z = np.random.normal(size = 500)
plt.scatter(x, y, s = z * 200, alpha = 0.4)
plt.show()

23. 23
【圖 20、具透明度與不同大小的散佈圖】
四、 圖表的屬性與格式
接著將為您整理圖表的各式屬性與顏色，將能幫助您設計變化更多的圖表。
1、 線條屬性
以下列表則是說明圖表中的線條屬性：

24. 24
屬性 類型 描述
alpha 浮點數 Alpha值用來設置混色，並
不是所有項目都可以支持
color or c 任意 matplotlib 顏色 設置線條顏色.
dashes 以點為單位的 on/off 序列 設置破折號序列，如果seq
為空或者seq = (None,
None)，那麼linestyle 將
會被設定為 solid.
label 任意字串 為各種圖例說明所設定的
標籤
linestyle 或 ls [ '-' | '–' | '-.' | ':' |
'steps' | ...]
設定線條風格 (也可以接
受 drawstyles內容).
linewidth 或 lw 以點為單位的浮點數型態數
值
設定以點為單位的線條寬
度.
marker [ 7 | 4 | 5 | 6 | 'o' | 'D'
| 'h' | 'H' | '_' | '' |
'None' | ' ' | None | '8' |
'p' | ',' | '+' | '.' | 's'
| '*' | 'd' | 3 | 0 | 1 | 2
| '1' | '3' | '4' | '2' | 'v'
| '<' | '>' | '^' | '|' | 'x'
| '$...$' | tuple | Nx2
array ]
設定線條標記
markeredgecolor 或
mec
任何 matplotlib 顏色 設定標記的邊緣顏色
markeredgewidth或
mew
以點為單位的浮點數型態數
值
設定標記的邊緣寬度
markerfacecolor 或
mfc
任何 matplotlib 顏色 設定標記的顏色
markersize 或 ms 浮點數 設定以點為單位的標記大
小
solid_capstyle ['butt' | 'round' |
'projecting']
設定實線的線端風格
solid_joinstyle ['miter' | 'round' | 設定實線的連接風格.

25. 25
'bevel']
visible [True | False] 顯示或隱藏
xdata np.array 設定x的np.array內容
ydata np.array 設定y的np.array內容
【表 3、線條屬性】
2、 線條風格與顏色
以下列表則是說明圖表中的線條風格：
線條風格 描述 線條風格 描述
'-' 實線 '-.' 點划線
'--' 破折線 ':' 虛線
'None', ' ', '' 甚麼都不畫
【表 4、線條風格】
以下列表則是說明圖表中的顏色
顏色 說明 顏色 說明
b 藍色 g 綠色
r 紅色 y 黃色
c 青色 k 黑色
m 洋紅色 w 白色
【表 5、顏色】
上述表格提供基本的顏色部分設定，若上述表格提供的顏色不符合需求，您可
以使用網頁的十六進位字串方式定義顏色，例如：color=＇#fe3465＇，就可以
做更複雜的顏色變化。