今天介绍一个手绘工具（matplotlib.pyplot.xkcd()），一行代码可将所有Matplotlib和Seaborn绘制的图形变为手绘风格。

matplotlib.pyplot.xkcd()简介

这个Matplotlib子函数特别简单，只有三个参数，别看参数少，但功能可不小

matplotlib.pyplot.xkcd(scale=1, #相对于不使用xkcd的风格图，褶皱的幅度length=100, #褶皱长度randomness=2#褶皱的随机性)

matplotlib.pyplot.xkcd()使用

如下，加with行代码即可，括号中参数按个人喜好决定是否设置～

with plt.xkcd(scale=1, length=100, randomness=2):
#with是临时使用一下，不影响其它图使用正常样式绘图代码。。。。。。plt.show()

matplotlib.pyplot.xkcd()使用实例

以下参考：Python可视化25|seaborn绘制矩阵图

#支持seaborn
import seaborn as sns
iris_sns = sns.load_dataset("iris")
with plt.xkcd():g = sns.pairplot(iris_sns,hue='species',  #按照三种花分类palette=['#dc2624', '#2b4750', '#45a0a2'])sns.set(style='whitegrid')g.fig.set_size_inches(12, 12)sns.set(style='whitegrid', font_scale=1.5)

以下参考：Python可视化29|matplotlib-饼图（pie）

import matplotlib.pyplot as plt
with plt.xkcd(scale=4,  #相对于不使用xkcd的风格图，褶皱的幅度length=120,  #褶皱长度randomness=2):  #褶皱的随机性plt.figure(dpi=150)patches, texts, autotexts = plt.pie(x=[1, 2, 3],  #返回三个对象labels=['A', 'B', 'C'],colors=['#dc2624', '#2b4750', '#45a0a2'],autopct='%.2f%%',explode=(0.1, 0, 0))texts[1].set_size('20')  #修改B的大小#matplotlib.patches.Wedgepatches[0].set_alpha(0.3)  #A组分设置透明度patches[2].set_hatch('|')  #C组分添加网格线patches[1].set_hatch('x')plt.legend(patches,['A', 'B', 'C'],  #添加图例title="Pie Learning",loc="center left",fontsize=15,bbox_to_anchor=(1, 0, 0.5, 1))plt.title('Lovely pie', size=20)plt.show()

with plt.xkcd():from string import ascii_lettersplt.figure(dpi=150)patches, texts, autotexts = plt.pie(x=range(1, 12),labels=list(ascii_letters[26:])[0:11],colors=['#dc2624', '#2b4750', '#45a0a2', '#e87a59', '#7dcaa9', '#649E7D','#dc8018', '#C89F91', '#6c6d6c', '#4f6268', '#c7cccf'],autopct='%.2f%%',)plt.legend(patches,list(ascii_letters[26:])[0:11],  #添加图例title="Pie Learning",loc="center left",bbox_to_anchor=(1, 0, 0.5, 1),ncol=2,  #控制图例中按照两列显示，默认为一列显示，)

以下参考：Python可视化|matplotlib12-垂直|水平|堆积条形图详解

import matplotlib.pyplot as plt
import numpy as np
with plt.xkcd():plt.figure(dpi=150)labels = ['Jack', 'Rose', 'Jimmy']year_2019 = np.arange(1, 4)year_2020 = np.arange(1, 4) + 1bar_width = 0.4plt.bar(np.arange(len(labels)) - bar_width / 2,  #为了两个柱子一样宽year_2019,color='#dc2624',width=bar_width,label='year_2019'  #图例)plt.bar(np.arange(len(labels)) + bar_width / 2,year_2020,color='#45a0a2',width=bar_width,label='year_2020'  #图例)plt.xticks(np.arange(0, 3, step=1), labels, rotation=45)  #定义柱子名称plt.legend(loc=2)  #图例在左边

以下参考： Python可视化|matplotlib10-绘制散点图scatter

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
#数据准备
from sklearn import datasetsiris = datasets.load_iris()
x, y = iris.data, iris.target
pd_iris = pd.DataFrame(np.hstack((x, y.reshape(150, 1))),columns=['sepal length(cm)', 'sepal width(cm)','petal length(cm)', 'petal width(cm)', 'class'])
with plt.xkcd():plt.figure(dpi=150)  #设置图的分辨率#plt.style.use('Solarize_Light2')  #使用Solarize_Light2风格绘图iris_type = pd_iris['class'].unique()  #根据class列将点分为三类iris_name = iris.target_names  #获取每一类的名称colors = ['#dc2624', '#2b4750', '#45a0a2']  #三种不同颜色markers = ['$\clubsuit, '.', '+']  #三种不同图形for i in range(len(iris_type)):plt.scatter(pd_iris.loc[pd_iris['class'] == iris_type[i],'sepal length(cm)'],  #传入数据xpd_iris.loc[pd_iris['class'] == iris_type[i],'sepal width(cm)'],  #传入数据ys=50,  #散点图形（marker）的大小c=colors[i],  #marker颜色marker=markers[i],  #marker形状#marker=matplotlib.markers.MarkerStyle(marker = markers[i],fillstyle='full'),#设置marker的填充alpha=0.8,  #marker透明度，范围为0-1facecolors='r',  #marker的填充颜色，当上面c参数设置了颜色，优先cedgecolors='none',  #marker的边缘线色linewidths=1,  #marker边缘线宽度，edgecolors不设置时，该参数不起作用label=iris_name[i])  #后面图例的名称取自labelplt.legend(loc='upper right')

参考: https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.xkcd.html#matplotlib.pyplot.xkcd

-END-

高质量推荐

对比Python这几种不同的编辑器/IDE优缺点，看看你最中意哪一款？

PyQuery解析网页用法入门讲解（含Python代码举例讲解+爬虫实战）

Python实现【实时】显示处理进度的6种形式（附源码和动图演示）