python可视化 matplotlib、seaborn、mayavi

 

0前言

内容包括：色图、matplotlib、seaborn、mayavi、traits、traitsUI、movepy  等。

 

 

 

1 概述

1.1 什么是RGB空间

所谓RGB空间就是red，green和blue颜色3个向量张成的空间，正好类似于3维欧氏空间。

3个向量均归一化了，其中(0，0，0)处为黑色，（1，1，1）处为白色。这种映射关系和光学棱镜色散和叠加相对应。

简单的例子：RGB空间（1，0，0）为纯红色，（0，0，1）为纯蓝色。

实际应用常用的比重数值范围也可以将[0,1]编码映射到[0, 255]区间。

颜色原理参见：

https://www.cnblogs.com/yxnchinahlj/archive/2011/03/04/1970735.html

1.2什么是色图

色图即颜色系统，定义了一种颜色序列，是一个M*3的实数矩阵，每一行是定义一种颜色的一个RGB向量，3列分别是红、绿、蓝的比重。颜色图的第m行定义第m种颜色。

不同色图从起始到结束的颜色序列如下图。

更多色图参见：

http://scipy.github.io/old-wiki/pages/Cookbook/Matplotlib/Show_colormaps

 

jet色图：

jet格式的色图，起始（索引最小值）为蓝色，结束（索引最大值）为红色，过渡色为绿、黄色。

https://ww2.mathworks.cn/help/matlab/ref/jet.html

例如m=8时的jet颜色序列值如下：

%matlab

K>> jet(8)

ans =

         0         0    1.0000
         0    0.5000    1.0000
         0    1.0000    1.0000
    0.5000    1.0000    0.5000
    1.0000    1.0000         0
    1.0000    0.5000         0
    1.0000         0         0
    0.5000         0         0

husl色图：

人对颜色的感知并非线性的，对黄色和绿色更敏感，会认为它们更亮一点，而认为蓝色更暗一点。HUSL色彩系统针对这个情况做了一些调整。

HLS：

HUSL：

HSV和HLS：

HSV 颜色空间（色调、饱和度和值）

HLS 空间（色调、亮度和饱和度）

HSV 和 HLS颜色空间：https://www.cnblogs.com/fuhang/p/9175901.html

HSV：

HUSL、HLS、HSV简单理解：

三者的色调（基色）相同，饱和度、亮度的规定不同。

 

2 matplotlib系列

2.1示例

 

2.2plot函数

https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html

 

2.3LinearSegmentedColormap函数

自定义色图

官网解释：https://matplotlib.org/api/_as_gen/matplotlib.colors.LinearSegmentedColormap.html

例程：https://www.programcreek.com/python/example/93865/matplotlib.colors.LinearSegmentedColormap.from_list

 

2.4坐标轴等刻度

fig = plt.figure()
ax = fig.gca(projection='3d')
ax.axis('equal')

对于3D图形，这句ax = fig.gca(projection='3d')一定要加上参数，且需要在plot前执行，否则没有效果。

加上3D参数的效果：3个axis是垂直的。

不加3D参数的效果：怎么看怎么不对。

使用以下语句时，有时会使z轴也等刻度，且等刻度后，各坐标轴的长度会相差较大，根据效果适当使用。

plt.gca().set_aspect('equal', adjustable='box')

 

2.5 设置栅格,axes脊柱(坐标轴),背景颜色

原文见：https://blog.csdn.net/helunqu2017/article/details/78650339

摘要如下：

删格操作

打开栅格:plt.grid(true)

设置栅格格式：plt.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)

坐标轴操作：
ax.spines['top'].set_visible(False) #去掉上边框
ax.spines['bottom'].set_visible(False) #去掉下边框
ax.spines['left'].set_visible(False) #去掉左边框
ax.spines['right'].set_visible(False) #去掉右边框

背景色操作：

(1)设置figure背景颜色

facecolor：背景颜色  edgecolor：边框颜色

plt.figure(facecolor='blue',edgecolor='black')

或

fig=plt.gcf()
fig.set_facecolor('green')

或

fig = plt.figure()
ax = fig.gca() 
ax.set_facecolor('black')

(2)设置axes背景颜色

a = plt.axes([.65, .6, .2, .2], facecolor='k')  #pyplot api命令-黑色背景

或者

ax1=plt.gca()

ax1.patch.set_facecolor("gray")            #设置ax1区域背景颜色               

ax1.patch.set_alpha(0.5)                      #设置ax1区域背景颜色透明度

2.6 plt.scatter()

https://blog.csdn.net/m0_37393514/article/details/81298503

2.7简单动画FuncAnimation()

from matplotlib.animation import FuncAnimation

网上例程较多。略。

2.8清空clf

清空figure，并且可以设置保持原有的观察视角。

f = plt.figure()

...
f.clf(keep_observers=True)   # 默认False

Set *keep_observers* to True if, for example,
a gui widget is tracking the axes in the figure.

设置视角保持，如果观察时已经旋转过，则clf后不会把视角复位。

重新画一帧时，不需要重新调整视角。

2.x matplotlib的不足

1）3D显示时，无法设置zlabel。

2）3D显示时，坐标范围经常未覆盖所要显示的图形，导致看起来像是一片空白，需要手动调整显示范围，不方便；

3）坐标轴等长显示，ax.axis('equal')，经常没有实现等长的视觉效果；

4）标注：标注信息不会随着图像旋转移动，因此图像如果旋转移动了，标注还在原位置，失去了标注的一个重要意义。

5）规模：3D显示，当点数5000以下时，比较顺畅，当过万甚至几万时，会卡顿甚至软件罢工，这是因为底层没有使用opengld原因。对于动辄几万的3D点云，使用matplotlib只能做抽样显示等轻量处理。

以上是使用中发现的一些不变之处。需要继续探索。

 

3 seaborn系列

从零开始学：

Seaborn从零开始学习教程（一） 风格选择

Seaborn从零开始学习教程（二） 颜色调控篇

数据可视化：

（一）——整体样式与调色板：https://blog.csdn.net/ICERON/article/details/85088582

（二）——分布数据可视化：https://blog.csdn.net/ICERON/article/details/85300451

（三）——探索变量之间的关系：https://blog.csdn.net/ICERON/article/details/88734168

（四）—— 分类数据可视化：https://blog.csdn.net/ICERON/article/details/89158201

3.1示例

# pycharm
data = np.random.rand(3, 3)
cmap = sns.diverging_palette(200, 20, sep=16, as_cmap=True)
ax = sns.heatmap(data, cmap=cmap, center=0.5)
plt.show()

3.1 diverging_palette函数

http://seaborn.pydata.org/generated/seaborn.diverging_palette.html

seaborn使用husl色图，不支持jet色图，相近的可以用husl的蓝白红调色板代替。

diverging_palette函数使用husl颜色系统的离散色板。你需随意传递两种颜色，并设定明度和饱和度的端点。函数将使用husl的端点值及由此产生的中间值进行均衡。

seaborn.diverging_palette（h_neg，h_pos，s = 75，l = 50，sep = 10，n = 6，center ='light'，as_cmap = False ）

参数：	h_neg，h_pos：float in [ 0,359 ] h_neg色调起始颜色，h_pos色调结束颜色。 s：在[0,100]中浮动，可选 锚定地图两个范围的饱和度。 l：浮动[0,100]，可选 锚定地图两个范围的亮度。 n：int，可选 调色板中的颜色数（如果不返回cmap） center：{“light”，“dark”}，可选 调色板的中心是浅还是暗 as_cmap：bool，可选 如果为true，则返回matplotlib colormap对象而不是颜色列表。
返回：	palette或cmap：seaborn调色板或matplotlib colormap 类似列表的颜色对象作为RGB元组，或者可以将连续值映射到颜色的颜色图对象，具体取决于as_cmap参数的值 。

 

3.2 heatmap函数

seaborn.heatmap官方操作手册：http://seaborn.pydata.org/generated/seaborn.heatmap.html

其他：https://blog.csdn.net/m0_38103546/article/details/79935671

 

 

4mayavi

安装：

pip install --user mayavi

依赖包：traits, pyface, traitsui, configobj, apptools, envisage, vtk, mayavi

4.1清空clf 

from mayavi import mlab

...

mlab.clf(figure=None):

figure参数可以指定清空哪个figure。

这里没有视角保持keep_observers设置，因为clf不改变视角。

但是mayavi的plot3d等函数，会自动改变视角。需要对画图函数进行设置。

 

5 movepi

http://python.jobbole.com/81185/