对于Python 3，您可以使用上述解决方案：

colormap = plt.cm.nipy_spectral
colors = colormap(np.linspace(0, 1, number_of_plots))
ax.set_prop_cycle('color', colors)

或：

import seaborn as sns
colors = sns.color_palette('hls', number_of_plots)
ax.set_prop_cycle('color', colors)

如果您知道要绘制多少个图，最好在以下操作之前定义色彩Map表：

import matplotlib.pyplot as plt
import numpy as np

fig1 = plt.figure()
ax1 = fig1.add_subplot(111)
number_of_plots=10
colormap = plt.cm.nipy_spectral #I suggest to use nipy_spectral, Set1,Paired
ax1.set_color_cycle([colormap(i) for i in np.linspace(0, 1,number_of_plots)])
for i in range(1,number_of_plots+1):
    ax1.plot(np.array([1,5])*i,label=i)

ax1.legend(loc=2)

使用nipy_spectral

使用Set1

Matplotlib有七种以上的颜色。您可以通过多种方式指定颜色（请参阅http://matplotlib.sourceforge.net/api/colors_api.html）。
例如，可以使用html十六进制字符串指定颜色：

pyplot.plot(x, y, color='#112233')

我还建议使用Seaborn。使用这个库，可以非常容易地生成所需颜色数量的连续或定性调色板。还有一个工具可以可视化调色板。例如：

import seaborn as sns

colors = sns.color_palette("hls", 4)
sns.palplot(colors)
plt.savefig("pal1.png")
colors = sns.color_palette("hls", 8)
sns.palplot(colors)
plt.savefig("pal2.png")
colors = sns.color_palette("Set2", 8)
sns.palplot(colors)
plt.savefig("pal3.png")

以下是产生的选项板：