【Datawhale数据可视化组队学习】Task05 - 样式色彩秀芳华
【课程介绍】
Datawhale开源教程链接:
https://github.com/datawhalechina/fantastic-matplotlib本项目重点在两个层面帮助读者构建matplotlib的知识体系:
从图形,布局,文本,样式等多维度系统梳理matplotlib的绘图方法,构建对于绘图方法的整体理解。
从绘图API层级,接口等方面阐明matplotlib的设计理念,摆脱只会复制粘贴的尴尬处境。
目录
一、matplotlib的绘图样式(style)
1.matplotlib预先定义样式
2.用户自定义stylesheet
3.设置rcparams
二、matplotlib的色彩设置(color)
1.RGB或RGBA
2.HEX RGB 或 RGBA
3.灰度色阶
4.单字符基本颜色
5.颜色名称
6.使用colormap设置一组颜色
思考题
头文件
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
第五回详细介绍matplotlib中样式和颜色的使用,绘图样式和颜色是丰富可视化图表的重要手段,因此熟练掌握本章可以让可视化图表变得更美观,突出重点和凸显艺术性。
关于绘图样式,常见的有3种方法,分别是修改预定义样式,自定义样式和rcparams。
关于颜色使用,本章介绍了常见的5种表示单色颜色的基本方法,以及colormap多色显示的方法。
一、matplotlib的绘图样式(style)
在matplotlib中,要想设置绘制样式,最简单的方法是在绘制元素时单独设置样式。 但是有时候,当用户在做专题报告时,往往会希望保持整体风格的统一而不用对每张图一张张修改,因此matplotlib库还提供了四种批量修改全局样式的方式
1.matplotlib预先定义样式matplotlib贴心地提供了许多内置的样式供用户使用,使用方法很简单,只需在python脚本的最开始输入想使用style的名称即可调用,尝试调用不同内置样式,比较区别
|
|
2.用户自定义stylesheet在任意路径下创建一个后缀名为mplstyle的样式清单,编辑文件添加以下样式内容
引用自定义stylesheet后观察图表变化。
值得特别注意的是,matplotlib支持混合样式的引用,只需在引用时输入一个样式列表,若是几个样式中涉及到同一个参数,右边的样式表会覆盖左边的值。
|
|
3.设置rcparams我们还可以通过修改默认rc设置的方式改变样式,所有rc设置都保存在一个叫做 matplotlib.rcParams的变量中。
|
|
另外matplotlib也还提供了一种更便捷的修改样式方式,可以一次性修改多个样式。
|
【补充1】matplotlib内置的26种丰富的样式:
print(plt.style.available)['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']
二、matplotlib的色彩设置(color)
在可视化中,如何选择合适的颜色和搭配组合也是需要仔细考虑的,色彩选择要能够反映出可视化图像的主旨。
从可视化编码的角度对颜色进行分析,可以将颜色分为色相、亮度和饱和度
三个视觉通道。通常来说:
色相
: 没有明显的顺序性、一般不用来表达数据量的高低,而是用来表达数据列的类别。
明度和饱和度
: 在视觉上很容易区分出优先级的高低、被用作表达顺序或者表达数据量视觉通道。
具体关于色彩理论部分的知识,不属于本教程的重点,请参阅有关拓展材料学习。
学会这6个可视化配色基本技巧,还原数据本身的意义
在matplotlib中,设置颜色有以下几种方式:
1.RGB或RGBA |
plt.style.use('default') # 颜色用[0,1]之间的浮点数表示,四个分量按顺序分别为(red, green, blue, alpha),其中alpha透明度可省略 plt.plot([1,2,3],[4,5,6],color=(0.1, 0.2, 0.5)) plt.plot([4,5,6],[1,2,3],color=(0.1, 0.2, 0.5, 0.5)); |
|
2.HEX RGB 或 RGBA |
# 用十六进制颜色码表示,同样最后两位表示透明度,可省略 plt.plot([1,2,3],[4,5,6],color='#0f0f0f') plt.plot([4,5,6],[1,2,3],color='#0f0f0f80'); RGB颜色和HEX颜色之间是可以一一对应的,以下网址提供了两种色彩表示方法的转换工具。 |
|
3.灰度色阶 |
# 当只有一个位于[0,1]的值时,表示灰度色阶 plt.plot([1,2,3],[4,5,6],color='0.5'); | |
4.单字符基本颜色 |
# matplotlib有八个基本颜色,可以用单字符串来表示,分别是'b', 'g', 'r', 'c', 'm', 'y', 'k', 'w',对应的是blue, green, red, cyan, magenta, yellow, black, and white的英文缩写 plt.plot([1,2,3],[4,5,6],color='m'); |
|
5.颜色名称 |
# matplotlib提供了颜色对照表,可供查询颜色对应的名称 plt.plot([1,2,3],[4,5,6],color='tan'); |
|
6.使用colormap设置一组颜色 |
有些图表支持使用colormap的方式配置一组颜色,从而在可视化中通过色彩的变化表达更多信息。 在matplotlib中,colormap共有五种类型:
x = np.random.randn(50) y = np.random.randn(50) plt.scatter(x,y,c=x,cmap='RdPu'); 在以下官网页面可以查询上述五种colormap的字符串表示和颜色图的对应关系(见拓展) |
【拓展】
思考题
学习如何自定义colormap,并将其应用到任意一个数据集中,绘制一幅图像,注意colormap的类型要和数据集的特性相匹配,并做简单解释
改善一下之前这个颜色还会随机变化的丑丑的玫瑰图。 color=np.random.random((n,3)) |
|
|
|
步骤如下: 将数值变量缩放到[0,1] [0,1][0,1] 添加了以上代码后效果仍不理想。注:颜色反了,加“_r”即可
可能数据原因还是不太好看,换了多个样式后选择了发散(Diverging)类型中的 "Spectral_r" |
|
尝试添加标签注: 标签中 ‘\n’ 换行 fmt='%d'可以摆脱标签数据的科学计数法 调试了很多次才实现的legend
其中p1为柱状图对象: plt.bar(theta,r,width=2*np.pi/n, align="edge",color=colors) r1为表格中“国家和地区”列: r1=data['国家和地区'].tolist() |
完整代码如下:
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as npimport pandas as pd
#plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
#plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号from colorspacious import cspace_converter# 获取数据
ex1 = pd.read_csv('G:/Datawhale/Matplotlib/covid_19sort.csv')
data=ex1[0:20]# 设置画布
fig = plt.figure(figsize=(10,10), facecolor='lightyellow')
r=data['死亡人数'].tolist()
r1=data['国家和地区'].tolist()# 计算角度
n=data.shape[0]
print(n)
theta=np.linspace(0, np.pi*2, len(r), endpoint=False) # 360度等分成n份# 极坐标
ax = plt.subplot(111,projection = 'polar')# 顺时针并设置N方向为0度
ax.set_theta_direction(-1) #顺时针为极坐标正方向
ax.set_theta_zero_location('N') #极坐标 0° 方向为 N# 在极坐标中画柱形图
def num2color(values, cmap):"""将数值映射为颜色"""norm = mpl.colors.Normalize(vmin=np.min(values), vmax=np.max(values))cmap = mpl.cm.get_cmap(cmap)return [cmap(norm(val)) for val in values]colors = num2color(r, "Spectral_r") p1 = plt.bar(theta,r,width=2*np.pi/n,align="edge",color=colors)#每个柱的顶部显示文本
plt.bar_label(p1, label_type='edge',padding=5, fmt='%d') plt.axis('off') # 不显示坐标轴和网格线#显示一些简单的中文图例
#plt.rcParams['font.sans-serif']=['SimHei'] # 黑体fig.suptitle('疫情大数据', fontsize=30, fontweight='bold')
ax.set_title('死亡人数(疫情确诊人数前20国家)',fontdict={'fontsize':14},pad=5)fig.text(0.43,0.27 ,'截至2022年9月20日\n美国已达1078938人\n因新冠病毒死亡。', style='italic', fontsize=16, fontweight='bold',bbox={'facecolor': 'red', 'alpha': 0.2, 'pad': 15})ax.legend(p1,r1,title="国家",loc="upper right",)
# bbox_to_anchor=(1, 0, 0.5, 1) 如果要自定义图例位置或者将图例画在坐标外边,用它 没弄明白
【Datawhale数据可视化组队学习】Task05 - 样式色彩秀芳华相关推荐
- 数据可视化组队学习:《Task05 - 样式色彩秀芳华》笔记
文章目录 前言 1 matplotlib全局样式设定 1.1 matplotlib自带的样式 1.2 打造属于自己的全局绘图样式 1.2.1 使用.mplstyle文件来设置 1.2.2 设置rcpa ...
- 数据可视化组队学习:《Task02 - 艺术画笔见乾坤》笔记
文章目录 前言 1 概述 1.1 matplotlib的使用逻辑 1.2 matplotlib的三层api 1.3 Artist类的结构 1.4 matplotlib标准用法 2 自定义你的Artis ...
- 数据可视化系列(五):样式色彩秀芳华
一.matplotlib的绘图样式(style) 在matplotlib中,要想设置绘制样式,最简单的方法是在绘制元素时单独设置样式. 但是有时候,当用户在做专题报告时,往往会希望保持整体风格的统一而 ...
- 数据可视化组队学习:《Task01 - Matplotlib初相识》笔记
第一回:Matplotlib初相识 本文为组队学习任务01学习笔记. Matplotlib简要总结 Matplotlib的结构 一个完整的Matplotlib图像包括四个层级: Figure:容纳所有 ...
- 数据可视化组队学习:《Task04 - 文字图例尽眉目》笔记
文章目录 前言 1 Figure和Axes的文本 1.1 text 1.2 title和set_title 1.3 figtext和text 1.4 suptitle 1.5 xlabel和ylabe ...
- 数据可视化组队学习:《Task06 - 场景案例显神通》笔记
文章目录 前言 1 展示趋势变化(Evolution) 1.1 折线图 1.1.1 简单线图 1.1.2 突出某一重点的多线图 1.2 面积图 1.3 堆积面积图 2 展示分布关系 2.1 小提琴图 ...
- 数据可视化组队学习:《Task03 - 布局格式定方圆》笔记
文章目录 前言 1 子图 1.1 使用 plt.subplots 绘制均匀状态下的子图 1.2 使用 GridSpec 绘制非均匀子图 2 子图上的方法 2.1 plot-线的绘制 2.2 hist- ...
- Task5样式色彩秀芳华
DW5的个人总结: 一.常见的样式方法有4种,分别是预定义样式,自定义样式,rcparams和matplotlibrc文件. 二.常见的颜色方法有两种,分别是5种单色颜色,colormap多色. 本章 ...
- 第五回:样式色彩秀芳华
import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np 第五回详细介绍matplotlib中样式和颜色的 ...
- Task 05:样式色彩秀芳华
文章目录 前言 一.matplotlib的绘图样式(style) 1.matplotlib预先定义样式 2.用户自定义stylesheet 3.设置rcparams 4.修改matplotlibrc文 ...
最新文章
- python编程基础人民邮电出版社_Python编程基础与应用
- C里面的scanf那个功能在matlab中实现
- (11)Spring Boot配置ContextPath【从零开始学Spring Boot】
- java 映射类_将数据库类型映射到具体的Java类
- PAT (Basic Level) 1044 火星数字(模拟)
- Spring配置文件和Java配置
- 浅谈一下js中的this
- 如何为新项目创建新的空分支
- Python基础笔记(一)数据类型、变量、字符串
- 未解决:maven:Fatal error compiling: 无效的标记: -arg
- Pentaho Report Designer
- HHUOJ 1389 出栈合法性
- QT项目设计:基于Linux系统的车载系统,地图、音视频播放、天气显示、优美界面 详细教程
- KaTex公式居左对齐
- 微信小程序真机调试,苹果用户记得打开本地网络
- 知识精华—修改文件夹的只读属性
- python中模型训练不收敛问题
- 在excel图表上添加数据标签
- Package name 'xxx' does not correspond to the file path 'xxx'
- 操作系统真象还原第5章:保护模式进阶,向内核进阶
热门文章
- mysql 分区表如何恢复_如何恢复mysql 单个innodb 分区表
- 退休当月要干到月底吗_退休时间是从到达年龄的当月算起还是次月算起
- 英语单词默写本的制作
- iPhone手机连接蓝牙鼠标和蓝牙键盘
- raptor流程图赋值语句_RAPTOR和流程图.ppt
- 【2019.06.21】基于Airtest的微信朋友圈自动点赞脚本设计与实现 2019.06.21脚本正常运行
- 怎样消掉计算机桌面阴影,怎么去掉桌面阴影 电脑桌面图标出现蓝色阴影怎么办...
- 阿里云Nginx配置
- 视频格式怎么转换成mp4?
- iOS 5 故事板入门(3)