如果你也是一名数据科学家,你一定明白,无论你对数据的理解和研究有多深入,你最终对结果的判断都将基于你可视化成果。更糟的是,对于随机观察者来说,这些图表不仅需要具有信息量和直观性,还要具有潮流感。
在我看来,python matplotlib和seaborn样式有些乏味,而且被过度使用。有时,它们甚至会让人觉得作者没有投入太多时间或精力。为了给绘图增添亮点,我发现了6个Python库,它们可以在常规的线图/散点图、直方图和其他基本可视化图上增加色彩。每个库都有对应的github repo链接!
首先,生成一些综合数据。使用每个库制作4个子图,这样就可以在同类数据上对它们进行比较。
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns
'''Generating points to create a scatter plot'''
def scatter():
x = np.random.random(100)
y = x-np.random.random(100)
z = np.random.randint(0,4,100)
df = pd.DataFrame({'X':x, 'Y': y, 'Z':z})
return df
'''Generating points to create a line plot'''
def line():
x = np.arange(0,10,0.1)
y_1 = np.sin(x)
y_2 = np.sin(x+5)
y_3 = np.sin(x+10)
y_4 = np.sin(x+15)
y_5 = np.sin(x+20)
df = pd.DataFrame({'X':x,'y_1':y_1, 'y_2':y_2,
'y_3':y_3, 'y_4':y_4, 'y_5':y_5})
return df
'''Sampling data from several distributions'''
def hist():
x_1 = np.random.normal(1,0.1,1000)
x_2 = np.random.gamma(1,0.25,1000)
x_3 = np.random.normal(0.4, 0.1,1000)
x_4 = np.random.normal(-0.1, 0.3,1000)
df = pd.DataFrame({'X_1': x_1, 'X_2':x_2, 'X_3': x_3, 'X_4':x_4})
return df
注意:没有特定的颜色或图案,只是在同一组绘画中应用一种风格。
1. Aquarel
Aquarel库[1]提供11 种不同的样式,包括深色和浅色样式,可使用pip 安装:
pip install aquarel
可以像下面这样使用上下文管理器来使用这些主题:
with load_theme("arctic_light"):
fig, ax = plt.subplots(ncols=2, nrows=2, figsize=(16,9))
df = scatter()
f= ax[0,0].scatter(df.X,df.Y, c=df.Z, s=50)
ax[0,0].set_xlabel('X data')
ax[0,0].set_ylabel('Y data')
handles, labels = f.legend_elements(prop="colors", alpha=0.6)
legend2 = ax[0,0].legend(handles, labels, loc="lower right")
df=line()
df.plot(x='X', ax=ax[0,1])
df=hist()
sns.kdeplot(df, fill=True, ax=ax[1,0])
ax[1,0].set_xlabel('Value')
sns.kdeplot(df, x="X_1", y="X_2", fill=True, ax=ax[1,1])
sns.kdeplot(df, x="X_3", y="X_4",fill=True, ax=ax[1,1])
ax[1,1].set_xlabel('Dist 1')
ax[1,1].set_ylabel('Dist 2')
plt.suptitle('Aquarel\narctic_light', fontsize=24)
plt.savefig('arctic_light.jpg')
plt.show()
或者,你也可以直接使用
from aquarel import load_theme
theme = load_theme("arctic_light")
theme.apply()
# ... plotting code here
theme.apply_transforms()
2. Rosé Pine
第二个repo[2] 我非常喜欢,它不是一个库,而是一组主题,你需要下载这些主题,然后指定 matplotlib 的路径:
plt.style.use('./themes/rose-pine-moon.mplstyle')
之后,只需要按照相同的绘图步骤进行即可。这个软件包的颜色非常温和,同时对比度也很高。
3. Catppuccin
需要使用pip 安装Catppuccin库[3]。它包括 4 种不同的风格和不同的暗度。
matplotlib.style.use("mocha")
Catppuccin软件包还提供了一个有趣的功能,可以将不同的样式表进行混合。可以尝试将基本的seaborn-v0_8-dark和mocha样式表结合起来。
Catppuccin混合主题
4. mplcyberpunk
下一个库mplcyberpunk[4]非常有名,每个人都钟爱赛博朋克,这款软件不仅能够提供恰到好处的颜色和背景,还能为图片添加发光效果,绝对让人惊艳!
import matplotlib.pyplot as plt
import mplcyberpunk
plt.style.use("cyberpunk")
...
mplcyberpunk.add_glow_effects()
plt.show()
fig, ax = plt.subplots()
...
mplcyberpunk.make_lines_glow(ax)
5. matplotx
matplotx[5]是matplotlib的另一个扩展包,可以通过pip像之前的扩展包一样安装。它提供了20种不同的主题,可用于科学研究、投影或其他任何用途,因为这些风格既有严谨的特点,也有非正式和时尚的风格。
6. GruvBox
今天的最后一个是GruvBox[6]。,它不是一个真正的库,而是一个文件,适用时需要上传它:
matplotlib.style.use("./gruvbox.mplstyle")
尽管这个软件仓库中只有一个主题,但我非常喜欢它的字体、线条和背景颜色的搭配!
希望以上的内容能够帮助到你~
学习资源推荐
除了上述分享,学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python!
👉Python所有方向的学习路线👈
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取)
👉Python学习视频600合集👈
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
温馨提示:篇幅有限,已打包文件夹,获取方式在:文末
👉Python70个实战练手案例&源码👈
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉Python大厂面试资料👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
👉Python副业兼职路线&方法👈
学好 Python 不论是就业还是做副业赚钱都不错,但要学会兼职接单还是要有一个学习规划。
👉 这份完整版的Python全套学习资料已经上传,朋友们如果需要可以V扫描下方二维码联系领取
【保证100%免费
】