还在对Matplotlib繁琐的图层设置感到烦恼!?快来看看这个Python绘图工具包吧
是不是被matplotlib繁琐绘图属性设置搞得一脸懵?是不是因常常记不住某一个图层设置函数而被迫看又长又枯燥的API文档?又或者是不是在面对多个matplotlib子图时写了大量的循环代码来设置属性?最后还是不是希望只精通一个Python绘图包就可以把二维、空间等类型图表绘制方法都掌握??此外,还有好多无奈和吐槽,我不知道你们是不是这样?反正以上列出的几点就是我在使用matplotlib自定义绘制图表时最大的感触了,当然,本期推文不是来吐槽的,是来为大家提供好的解决方法的。
下面就介绍下今天的主角-- ProPlot。说真的!当我刚开始发现这个包时:“嗯?不错,logo和matplotlib很像”,可是,当我在熟悉大多数和经常使用matplotlib绘图时,回来再看这个工具包时:“我*,真香!!我之前干了啥?赶快用起来!”。
本期推文将告诉你如何使用更少的代码实现繁琐的自定义绘图需求,当然,也是符合出版需求的配图,主要内容如下:
ProPlot 库介绍
ProPlot 实例演示
ProPlot 库介绍
使用Python-matplotlib绘制图表时,默认的颜色以及格式主题只能帮助我们熟悉绘图函数,而想要设计出优秀的可视化作品(无论是出版级别还是略带艺术气息) 都需要熟悉大量的绘图函数,如颜色、刻度、轴脊、字体等,当涉及绘制多子图时,这些操作都会耗费我们大量的精力,不仅导致编写代码冗长,而且还易出错,具体可以查看下我之前的文章Python-matplotlib 学术散点图 EE 统计及绘制 和 Python-matplotlib 横向堆积柱状图绘制。除此之外,如果你每天都需要使用matplotlib绘图且经常需要对图表进行美化,那Proplot 绘图包就太适合你了,也不要担心会不适应,人家可是对matplotlib进行高度封装,极大简化绘图函数而已。下面我们就其安装和主要使用方法进行简单介绍,如果大家想要详细了解,可以去官网哦。
安装
我们直接可是使用pip或者conda直接进行安装即可,
#for pip
pip install proplot
#for conda
conda install -c conda-forge proplot
当然,由于版本的不断更新,你还可以使用如下代码进行更新处理:
#for pip
pip install --upgrade proplot
#for conda
conda upgrade proplot
format()简化代码
Proplot 绘制图表不需要像matplotlib那样对每一个绘图属性进行设置,其提供的format() 函提供一次更改所有设置的格式化方法。我们首先举个简单的例子,如下:
使用matplotlib 绘制
import matplotlib.pyplot as plt
import matplotlib.ticker as mticker
import matplotlib as mpl
with mpl.rc_context(rc={'axes.linewidth': 1, 'axes.color': 'gray'}):fig, axs = plt.subplots(ncols=2, sharey=True)axs[0].set_ylabel('bar', color='gray')for ax in axs:ax.set_xlim(0, 100)ax.xaxis.set_major_locator(mticker.MultipleLocator(10))ax.tick_params(width=1, color='gray', labelcolor='gray')ax.tick_params(axis='x', which='minor', bottom=True)ax.set_xlabel('foo', color='gray')
ProPlot绘制
import proplot as plot
fig, axs = plot.subplots(ncols=2)
axs.format(linewidth=1, color='gray')
axs.format(xlim=(0, 100), xticks=10, xtickminor=True, xlabel='foo', ylabel='bar')
从这简单的例子中就可以看出Proplot的简便性了。
A-b-c 多子图序号添加
除了上面 format() 大大缩减代码量,我们在介绍了我认为比较方便的绘图方法-多子图序号自动添加。具体的例子如下:
# 样本数据
import numpy as np
state = np.random.RandomState(51423)
data = 2 * (state.rand(100, 5) - 0.5).cumsum(axis=0)import proplot as plot
fig, axs = plot.subplots(ncols=2)
axs[0].plot(data, lw=2)
axs[0].format(xticks=20, xtickminor=False)
axs.format(abc=True,abcstyle='(A)',abcsize=12,abcloc='ul',suptitle='Abc label test', title='Title',xlabel='x axis', ylabel='y axis'
)
plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\ProPlot\abc_01.png',dpi=900)
效果如下:
还可以对序号进行样式(abcstyle)、位置(abcloc)、大小(abcsize) 等的设置。其他详细设置可以参考官网。
颜色条(Colorbars)和图例(legends)
axis 颜色条和图例
import proplot as plot
import numpy as np
fig, axs = plot.subplots(nrows=2, share=0, axwidth='55mm', panelpad='1em')
axs.format(suptitle='Stacked colorbars demo')
state = np.random.RandomState(51423)
N = 10
# Repeat for both axes
for j, ax in enumerate(axs):ax.format(xlabel='data', xlocator=np.linspace(0, 0.8, 5),title=f'Subplot #{j+1}')for i, (x0, y0, x1, y1, cmap, scale) in enumerate(((0, 0.5, 1, 1, 'grays', 0.5),(0, 0, 0.5, 0.5, 'reds', 1),(0.5, 0, 1, 0.5, 'blues', 2))):if j == 1 and i == 0:continuedata = state.rand(N, N) * scalex, y = np.linspace(x0, x1, N + 1), np.linspace(y0, y1, N + 1)m = ax.pcolormesh(x, y, data, cmap=cmap,levels=np.linspace(0, scale, 11))ax.colorbar(m, loc='l', label=f'dataset #{i+1}')plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\ProPlot\colorbar_legend_02.png',dpi=900)
效果如下:
Figure 颜色条和图例
import proplot as plot
import numpy as np
fig, axs = plot.subplots(ncols=3, nrows=3, axwidth=1.4)
state = np.random.RandomState(51423)
m = axs.pcolormesh(state.rand(20, 20), cmap='grays',levels=np.linspace(0, 1, 11), extend='both'
)[0]
axs.format(suptitle='Figure colorbars and legends demo', abc=True,abcloc='l', abcstyle='(a)', xlabel='xlabel', ylabel='ylabel'
)
fig.colorbar(m, label='column 1', ticks=0.5, loc='b', col=1)
fig.colorbar(m, label='columns 2-3', ticks=0.2, loc='b', cols=(2, 3))
fig.colorbar(m, label='stacked colorbar', ticks=0.1, loc='b', minorticks=0.05)
fig.colorbar(m, label='colorbar with length <1', ticks=0.1, loc='r', length=0.7)
效果如下:
时间刻度(Datetime ticks)
Datetime ticks
import proplot as plot
import numpy as np
plot.rc.update(linewidth=1.2, fontsize=10, ticklenratio=0.7,figurefacecolor='w', facecolor='pastel blue',titleloc='upper center', titleborder=False,
)
fig, axs = plot.subplots(nrows=5, axwidth=6, aspect=(8, 1), share=0)
axs[:4].format(xrotation=0) # no rotation for these examples# Default date locator
# This is enabled if you plot datetime data or set datetime limits
axs[0].format(xlim=(np.datetime64('2000-01-01'), np.datetime64('2001-01-02')),title='Auto date locator and formatter'
)# Concise date formatter introduced in matplotlib 3.1
axs[1].format(xlim=(np.datetime64('2000-01-01'), np.datetime64('2001-01-01')),xformatter='concise', title='Concise date formatter',
)# Minor ticks every year, major every 10 years
axs[2].format(xlim=(np.datetime64('2000-01-01'), np.datetime64('2050-01-01')),xlocator=('year', 10), xformatter='\'%y', title='Ticks every N units',
)# Minor ticks every 10 minutes, major every 2 minutes
axs[3].format(xlim=(np.datetime64('2000-01-01T00:00:00'), np.datetime64('2000-01-01T12:00:00')),xlocator=('hour', range(0, 24, 2)), xminorlocator=('minute', range(0, 60, 10)),xformatter='T%H:%M:%S', title='Ticks at specific intervals',
)# Month and year labels, with default tick label rotation
axs[4].format(xlim=(np.datetime64('2000-01-01'), np.datetime64('2008-01-01')),xlocator='year', xminorlocator='month', # minor ticks every monthxformatter='%b %Y', title='Ticks with default rotation',
)
axs.format(ylocator='null', suptitle='Datetime locators and formatters demo'
)
plot.rc.reset()
plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\ProPlot\datetick.png',dpi=900)
效果如下:
以上是我认为ProPlot 比较优秀的几点,当然,大家也可以自行探索,发现自己喜欢的技巧。
ProPlot 实例演示
我们使用之前的推文数据进行实例操作,详细代码如下:
#开始绘图
labels = ['L1', 'L2', 'L3', 'L4', 'L5']
data_a = [20, 34, 30, 35, 27]
data_b = [25, 32, 34, 20, 25]
data_c = [12, 20, 24, 17, 16]x = np.arange(len(labels))
width = .25
fig, axs = plot.subplots(ncols=2, nrows=1, sharey=1, width=10,height=4)
#for mark, data in zip()
axs[0].plot(x,y1, marker='s',c='k',lw=.5,label='D1',markersize=8)
axs[0].plot(x,y2, marker='s',c='k',ls='--',lw=.5,markersize=8,markerfacecolor='white',markeredgewidth=.4,label='D2')
axs[0].plot(x,y3,marker='^',c='k',lw=.5,markersize=8,markerfacecolor='dimgray',markeredgecolor='dimgray',label='D3')
axs[0].plot(x,y4,marker='^',c='k',lw=.5,markersize=8,label='D4')axs[1].bar(x-width/2, data_a,width,label='category_A',color='#130074',ec='black',lw=.5)
axs[1].bar(x+width/2, data_b, width,label='category_B',color='#CB181B',ec='black',lw=.5)
axs[1].bar(x+width*3/2, data_c,width,label='category_C',color='#008B45',ec='black',lw=.5)#先对整体进行设置
axs.format(ylim=(0,40),xlabel='', ylabel='Values',abc=True, abcloc='ur', abcstyle='(A)',abcsize=13,suptitle='ProPlot Exercise'
)
#再对每个子图进行设置
axs[0].format(ylim=(10,40),title='Multi-category scatter plot')
axs[1].format(title='Multi-category bar plot',xticklabels=['L1', 'L2', 'L3', 'L4', 'L5'])plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\ProPlot\test_01.png',dpi=900)
plt.show()
效果如下:
只是简单的绘制,其他的设置也需要熟悉绘图函数,这里就给大家做个简单的演示。
总结
本期推文我们介绍了matplotlib非常优秀的科学图表绘图库PrpPlot, 在一定程度上极大了缩减了定制化绘制时间,感兴趣的同学可以持续关注这个库,当然,还是最好在熟悉matplotlib基本绘图函数及图层属性设置函数的基础上啊。
各位伙伴们好,詹帅本帅搭建了一个个人博客和小程序,汇集各种干货和资源,也方便大家阅读,感兴趣的小伙伴请移步小程序体验一下哦!(欢迎提建议)
推荐阅读
牛逼!Python常用数据类型的基本操作(长文系列第①篇)
牛逼!Python的判断、循环和各种表达式(长文系列第②篇)
牛逼!Python函数和文件操作(长文系列第③篇)
牛逼!Python错误、异常和模块(长文系列第④篇)
还在对Matplotlib繁琐的图层设置感到烦恼!?快来看看这个Python绘图工具包吧相关推荐
- html语言arc属性,为要素图层设置 HTML 弹出窗口属性
ArcGIS 中的许多地图图层都可用于访问要素的丰富的属性及其他信息.一种机制是,单击每个要素时显示一个 HTML 弹出窗口.这就潜在地提供了一种有效的方法来共享每个要素的 HTML 格式的信息(例如 ...
- 一文搞懂matplotlib中的颜色设置
欢迎关注"生信修炼手册"! 在matplotlib中,颜色设置有以下多种方式 1. 常用颜色的字母表示及缩写 最常用的颜色表示方法,有以下几种常用颜色 1. red,表示红色, ...
- CAD的图层设置及视图讲解
2019独角兽企业重金招聘Python工程师标准>>> 图层命令中,第一个是layer,图层属性管理器.里面的具体内容以前已较为详细的谈过,这里不再重复.和图层控制有关的其它命令,则 ...
- 《AutoCAD全套园林图纸绘制自学手册》一2.6 图层设置
本节书摘来自异步社区<AutoCAD全套园林图纸绘制自学手册>一书中的第2章,第2.6节,作者 朱春阳 , 李晓艳 , 胡仁喜,更多章节内容可以访问云栖社区"异步社区" ...
- 《AutoCAD 2016中文版室内装潢设计从入门到精通》——2.6 图层设置
本节书摘来自异步社区<AutoCAD 2016中文版室内装潢设计从入门到精通>一书中的第2章,第2.6节,作者: 贾燕 更多章节内容可以访问云栖社区"异步社区"公众号查 ...
- Python - matplotlib库 - 中文字体设置
Python - matplotlib库 - 中文字体设置 在matplotlib绘制折线图柱状图时,如果对x,y,图表标题,直接使用plot.xlabel("时间"):plot. ...
- matplotlib绘制图表,设置刻度标签、最大最小刻度、字体大小,label位置、刻度轴箭头等
matplotlib绘制图表,设置刻度标签.最大最小刻度.字体大小,label位置.刻度轴箭头等 1. 效果图 2. 源码 2.1 仅使用普通轴ax + fontdict 源码 2.2 使用mpl设置 ...
- python画图,使用matplotlib和seaborn来设置图形的字体大小,坐标轴的线宽,风格,取值范围
1. matplotlib 样式的设计 1.1 设置坐标轴的线框 如果我们要设置坐标轴的线宽,我们可以向下面这样做: import matplotlib.pyplot as plt###设置坐标轴的粗 ...
- python使用matplotlib可视化、自定义设置Y轴刻度标签字体的大小( setting axis ticks size in matplotlib y axis)
python使用matplotlib可视化.自定义设置Y轴刻度标签字体的大小( setting axis ticks size in matplotlib y axis) 目录
最新文章
- Spring Cloud Alibaba迁移指南(二):零代码替换 Eureka
- 独家 | 混乱的句子表明AI仍然不能真正理解语言
- SAP ABAP BAPI_GOODSMVT_CREATE的几个应用
- 云计算,能回答地球最终流浪到哪里吗?
- [CF407B] Long Path
- MyBatisPlus3.x中使用条件构造器查询某一天的记录数时的日期格式化注意
- 《荣耀战魂》的环境设计制作经验
- 包含JS交互的混淆出错
- binlog和redo log的区别
- 如何限制浏览器使用_如何使用浪涌电流限制器NTC(一)
- web.config SetAttributes
- 痞子衡嵌入式:如果你正在量产i.MX RT产品,不妨试试这款神器RT-Flash
- 关于PopWindow的一些介绍
- C语言程序中数字字符是什么,C语言中如何识别字符与数字
- RabbitMQ的优势和劣势
- 程序员必备:常见的安卓开发工具推荐
- QQ看点模块思维导图
- 2018黑马前端视频教程视频与源码全
- “最不合格”的SAP应聘者: 从大学生到SAP成都研究院开发工程师
- 每日一句:I'm afraid I have to remind you that time is up
热门文章
- idea中查看类中所有方法列表(Alt+7)(亲测)
- 在命令行下执行php程序
- JavaScript的JSON转变函数parse[转化为对象] stringfy[转化为字符串]
- JS的NaN与isNaN
- Yii重写ActiveForm
- 解决centos6.5出现-bash: mysql: command not found的方法
- 使用MySQL的23个注意事项
- 拼装sql_SQL优化最干货总结(2020最新版)
- java传参怎么理解_如何理解Java的值传递
- linux网页无法连接到服务器,linux – 无法连接到SMTP服务器