4个Python库来美化你的Matplotlib图表

Matplotlib是一个被广泛使用的Python数据可视化库,相信很多人都使用过。

但是有时候总会觉得,Matplotlib做出来的图表不是很好看、不美观。 

今天就给大家分享四个美化Matplotlib图表的Python库,它们可以轻松让你的Matplotlib图表变得好看~

4个Python库来美化你的Matplotlib图表_第1张图片

 而且每个方法都可以使用两行代码来实现,一条import语句和一条Matplotlib的使用语句。 

尽管这些库非常适合创建酷炫的图表,但是你还是需要了解你的目标受众以及可能遇到的视觉问题,比如色盲等情况。

下面就让我们来一起看看吧!

在开始使用探索Matplotlib图表之前,先创建一些虚拟数据,用来生成图表。 

几行代码轻松搞定。

import numpy as np 

# 生成 x 值

x = np.linspace( 0 , 10 , 20 ) 

# 生成 y 值

y = np.sin(x) 

y2 = np.cos(x)

01 赛博朋克风格——mplcyberpunk

赛博朋克是一种科幻小说的子类型,以其反乌托邦、技术先进的世界和反文化态度而闻名。

场景通常以未来主义风格描绘,经常包括霓虹灯及明亮、鲜艳的色彩等元素。

4个Python库来美化你的Matplotlib图表_第2张图片

 比如,在制作海报或者是信息图表时,你需要额外的元素来吸引读者。这便是赛博朋克风格可以发挥作用的地方。

但是,你也要知道,它在为出版物创建图表或在论文中使用时可能会被视为不专业,并且可能不适合视觉有问题的读者。

4个Python库来美化你的Matplotlib图表_第3张图片

 要开始使用这个主题,需要先安装mplcyberpunk库。

# 安装

pip install mplcyberpunk

使用赛博朋克主题,只需要调用plt.style.use(),并传入参数cypberpunk即可。

使用plt.scatter()绘制散点图。为了使我们的散点发光,还需要调用make_scatter_glow()函数。

import mplcyberpunk

import matplotlib.pyplot as plt



# 使用赛博朋克风样式

plt.style.use('cyberpunk')

plt.figure(figsize=(8, 8))



# 散点图1

plt.scatter(x, y, marker='o')

mplcyberpunk.make_scatter_glow()



# 散点图2

plt.scatter(x, y2, marker='o', c='lime')

mplcyberpunk.make_scatter_glow()



# 坐标轴名称

plt.xlabel('X-Axis')

plt.ylabel('Y-Axis')



# 显示

plt.show()

运行上面的代码时,可以得到下图。

4个Python库来美化你的Matplotlib图表_第4张图片

 将赛博朋克主题应用到折线图中。为了使线条发光,我们可以调用make_lines_glow()。

# 使用赛博朋克风样式

plt.style.use('cyberpunk')

plt.figure(figsize=(8, 8))



# 折线图

plt.plot(x, y, marker='o')

plt.plot(x, y2, marker='o', c='lime')



# 发光效果

mplcyberpunk.make_lines_glow()



# 坐标轴名称

plt.xlabel('X-Axis')

plt.ylabel('Y-Axis')



# 显示

plt.show()

运行完成,将返回带有霓虹灯线条的图表。

4个Python库来美化你的Matplotlib图表_第5张图片

 我们还可以将图表效果更进一步,在线条和X轴之间添加渐变填充。

# 使用赛博朋克风样式

plt.style.use('cyberpunk')

plt.figure(figsize=(8, 8))



# 折线图

plt.plot(x, y, marker='o')

plt.plot(x, y2, marker='o', c='lime')



# 发光效果+渐变填充

mplcyberpunk.add_gradient_fill(alpha_gradientglow=0.5, gradient_start='zero')



# 坐标轴名称

plt.xlabel('X-Axis')

plt.ylabel('Y-Axis')



# 显示

plt.show()

这便创造了一个非常有趣的效果。

4个Python库来美化你的Matplotlib图表_第6张图片

 当然这个赛博朋克库还有其他的美化参数,大家可以去GitHub上查看使用。

4个Python库来美化你的Matplotlib图表_第7张图片

 地址:https://github.com/dhaitz/mplcyberpunk

02 Matplotx

matplotx库提供了一种简单的方法可以快速对matplotlib图表进行美化。

它包含几个可以便捷使用,且可应用于任何matplotlib图表的主题。 

在深色主题的Jupyter Notebook或VSCode中处理图表时,出现亮白色的图表可能会有些许刺眼。 

为了减少这种影响,我们可以将样式设为深色主题。但是,这需要好几行代码才能实现。 

正如接下来所看到的,Matplotx使这个过程变得更加容易。由于它包含多个主题,我们可以轻松找到一个与VSCode主题相匹配的。 

通过打开终端/命令提示符并运行以下命令,可以将Matplotx安装到你的Python环境中去。

# 安装

pip install matplotx

安装好以后,可以使用with语句来调用plt.style.context和传入matplotx.styles。

在这里,我们可以选择众多的可用主题。 比如非常流行的Dracula主题。

import matplotx



with plt.style.context(matplotx.styles.dracula):

    # 散点图

    plt.scatter(x, y, c=y2)

    # 颜色类型

    plt.colorbar(label='Y2')

    # 坐标轴名称

    plt.xlabel('X')

    plt.ylabel('Y')

    # 显示

    plt.show()

运行代码,得到下图。

4个Python库来美化你的Matplotlib图表_第8张图片

 其中matplotx中有许多不同的样式,具体情况如下。

4个Python库来美化你的Matplotlib图表_第9张图片

 下面让我们用Pitaya Smoothie主题来创建一个折线图。

由于有多个子主题,我们需要使用方括号访问它们。

在这个例子中,我们有一个深色主题,所以我们需要传入「dark」参数才能使用。

with plt.style.context(matplotx.styles.pitaya_smoothie['dark']):

    # 折线图

    plt.plot(x, y, marker='o')

    plt.plot(x, y2, marker='o')

    # 坐标轴名称

    plt.xlabel('X')

    plt.ylabel('Y')

    # 显示

    plt.show()

当我们运行上面的代码时,我们会得到下面这个折线图。

4个Python库来美化你的Matplotlib图表_第10张图片

 当然也有许多浅色主题。比如Pitaya Smoothie有一个,可以像这样使用。

with plt.style.context(matplotx.styles.pitaya_smoothie['light']):

4个Python库来美化你的Matplotlib图表_第11张图片

如果你想了解更多有关此库的信息,可以查看它的GitHub。

地址:https://github.com/nschloe/matplotx

03 量子黑色风格

QuantumBlack Labs是一家成立于2012年的公司,旨在帮助其他公司使用数据做出更好的决策。

他们使用机器学习和人工智能等先进技术来分析医疗保健、金融和交通等一系列行业的复杂数据集。

几年前,他们在GitHub上发布了自己的样式库。

地址:https://github.com/quantumblacklabs/qbstyles

要使用该主题,我们需要安装这个Python库。

# 安装

pip install qbstyles

安装好以后,就可以使用了~

from qbstyles import mpl_style

# 深色主题开

mpl_style(dark=True)

# 深色主题关

mpl_style(dark=False)

来创建一个散点图,代码如下。

from qbstyles import mpl_style

# 深色主题

mpl_style(dark=True)

# 非深色主题

mpl_style(dark=False)

# 散点图

plt.scatter(x, y, c=y2)

# 颜色

plt.colorbar(label='Y2')

# 坐标轴名称

plt.xlabel('X')

plt.ylabel('Y')

# 显示

plt.show()

返回如下两种图表结果,具体取决于你选择的是浅色还是深色主题。

4个Python库来美化你的Matplotlib图表_第12张图片

 4个Python库来美化你的Matplotlib图表_第13张图片

 让我们看看深色主题的折线图是什么样子的。

# 深色主题

mpl_style(dark=True)



# 折线图

plt.plot(x, y, marker='o')

plt.plot(x, y2, marker='o')



# 坐标轴名称

plt.xlabel('X')

plt.ylabel('Y')



# 显示

plt.show()

当我们运行上面的代码时,我们会得到下面的图。

4个Python库来美化你的Matplotlib图表_第14张图片

 这个库的绘图样式与Matplotx中生成的绘图相比略有缓和。

但是,它确实感觉更专业一些,尤其是浅色主题的绘图。非常适合应用在专业演示或培训课程材料中。

04 科学图表

在撰写科学期刊或会议文章时,创建一个清晰、简单且易于解释的图表至关重要。

一些期刊,例如Nature,都是需要固定的样式,方便简化读者难以理解的图表。 

这就是SciencePlots库的用武之地。 它经常被用于生成常见的科学期刊样式图表,从而使创建图表变得更加容易。 

这个库的一大优点是它使图表适合黑白打印——这仍然是研究人员的普遍做法。通过更改线条样式或确保分类数据的散点图上有不同的形状,这将使得线条很容易区分。 

如果您想探索SciencePlots中更多可用的样式,可以访问它的GitHub。

地址:https://github.com/garrettj403/SciencePlots/wiki/Gallery

运行SciencePlots库需要在你的电脑上安装LaTeX。你可以下面的地址找到有关 LaTex以及如何安装等更多详细信息。 

地址:https://www.latex-project.org/get/

在完成库的安装及LaTeX设置完成后,可以使用下面的代码创建一个科学绘图图表。

import scienceplots



with plt.style.context(['science', 'high-vis']):

    # 新建画布

    plt.figure(figsize=(6, 6))



    # 折线图

    plt.plot(x, y, marker='o', label='Line 1')

    plt.plot(x, y2, marker='o', label='Line 2')



    # 坐标轴名称

    plt.xlabel('X')

    plt.ylabel('Y')



    # 图例

    plt.legend()



    # 显示

    plt.show()

当我们运行上面的代码时,我们得到以下图表,这非常适合使用在期刊出版物中。

4个Python库来美化你的Matplotlib图表_第15张图片

 让我们看看IEEE风格是什么样的。我们可以通过修改参数来创建一个。

with plt.style.context(['science', 'ieee']):

和上面的有点不一样,颜色也变了,但还是一个很好看的科学期刊图表。

4个Python库来美化你的Matplotlib图表_第16张图片

 这对于搞学术研究的同学帮助非常大。

通过使用SciencePlots,不再为调整大小、颜色和线条样式而烦恼。 

05 总结

在本文中,我们看到了四个非常有用的matplotlib python库,它们可以让你的matplotlib图表更上一层楼。

这些库中的每一个都为你的绘图提供了独特的样式。 

尽管这些样式提供了很好的创意可视化效果,但你也确实需要考虑你的受众。

创建出色的数据视觉效果的全部意义在于让你的信息易于理解,并尽可能以最好的方式分享你的故事。 

                                                             --END--

你可能感兴趣的:(python,信息可视化,数据分析)