【Datawhale数据可视化组队学习】Task05

【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。

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

plt.style.use('default')
plt.plot([1,2,3,4],[2,3,4,5]);

plt.style.use('ggplot')
plt.plot([1,2,3,4],[2,3,4,5]);

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

axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16

引用自定义stylesheet后观察图表变化。

plt.style.use('file/presentation.mplstyle')
plt.plot([1,2,3,4],[2,3,4,5]);

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。

plt.style.use(['dark_background', 'file/presentation.mplstyle'])
plt.plot([1,2,3,4],[2,3,4,5]);

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。
修改过后再绘图，可以看到绘图样式发生了变化。

plt.style.use('default') # 恢复到默认样式
plt.plot([1,2,3,4],[2,3,4,5]);

mpl.rcParams['lines.linewidth'] = 2
mpl.rcParams['lines.linestyle'] = '--'
plt.plot([1,2,3,4],[2,3,4,5]);

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。

mpl.rc('lines', linewidth=4, linestyle='-.')
plt.plot([1,2,3,4],[2,3,4,5]);

【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。 Color Hex - ColorHexa.com
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: 顺序（Sequential）。通常使用单一色调，逐渐改变亮度和颜色渐渐增加，用于表示有顺序的信息发散（Diverging）。改变两种不同颜色的亮度和饱和度，这些颜色在中间以不饱和的颜色相遇;当绘制的信息具有关键中间值（例如地形）或数据偏离零时，应使用此值。循环（Cyclic）。改变两种不同颜色的亮度，在中间和开始/结束时以不饱和的颜色相遇。用于在端点处环绕的值，例如相角，风向或一天中的时间。定性（Qualitative）。常是杂色，用来表示没有排序或关系的信息。杂色（Miscellaneous）。一些在特定场景使用的杂色组合，如彩虹，海洋，地形等。 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） Choosing Colormaps in Matplotlib — Matplotlib 3.6.0 documentation

【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))
`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, "RdBu")# 在极坐标中画柱形图 ax.bar(theta,r,width=2*np.pi/n,align="edge",color=colors)`
步骤如下：将数值变量缩放到[0,1] [0,1][0,1] 创建调色板对象(colormap) 从调色板中获取颜色添加了以上代码后效果仍不理想。注：颜色反了，加“_r”即可 `colors = num2color(r, "RdBu_r")` 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 `ax.legend(p1,r1,title="国家",loc="upper right")` 其中p1为柱状图对象： *plt.bar(theta,r,width=2np.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