科技感爆棚！这样酷炫的Python图表谁能不爱？

来源：DataCharm

01. 引言

色彩搭配对图表的第一印象至关重要，合理的设置对图表的颜值提升有着很大的帮助，本期推文结合一个具体例子对图表颜色搭配进行讲解。

02. 美化过程

2.1 默认图表

这里首先设置一组数据，使用matplotlib的默认绘制方法进行图表绘制，具体数据如下：

array([10, 25, 12, 15, 28, 13, 20, 26, 23, 40, 39, 35, 42, 31, 29, 16, 27],
      dtype=int64)

默认绘图代码如下：

fig,ax = plt.subplots(figsize=(10,5),dpi=200)
x = np.arange(0,len(test_data),1)
y = test_data['test'].values
ax.plot(x,y)
ax.scatter(x[-1],y[-1],s=200,lw=2,zorder=2)
ax.set_title('Matplotlib Color Set exercise_01 \n',fontsize=20,color='black')
ax.text(.85,-.1,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 8.5,color='black')
plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\商业图表绘制\color_set_region.png',width=7,height=4,
            dpi=900,bbox_inches='tight')

这里使用了ax.plot()和ax.scatter()进行了绘图，效果如下：

可以看出，图中无论折线、散点还是刻度等的设置都是比较粗糙的，和"美观"一点都挂不上钩。下面就从数据处理、填充面积以及色彩选择三个方面进行处理，来使这幅图变得高大上起来。

2.2 数据插值

默认数据绘制的折线图可能不是那么的平滑，当然，这也是和我们选择较少的数据有关，要想达到平滑效果，需要对原始数据进行插值处理(Excel中选中图表右击，点击设置数据系列格式，选择最后的平滑线  也能完成平滑处理)。python Scipy 包提供了interpolate模块可以实现对一维二维数据的插值处理，在对一维数据时，interp1d()提供了如nearest、quadradic等多种插值方式，详细内容大家可以查看官网啊。这里选择的插值方式为 "quadradic"方法，具体插值代码及绘图代码如下：

from scipy import interpolate
fig,ax = plt.subplots(figsize=(10,5),dpi=200,)


f = interpolate.interp1d(x,y,kind="quadratic")#采用quadratic插值处理
x_new = np.linspace(x.min(),x.max(),1000)
y_new = f(x_new)
#绘图
ax.plot(x_new,y_new,lw=3,zorder=1)
ax.scatter(x[-1],y[-1],s=200,lw=2,zorder=2)
ax.set_title('Matplotlib Color Set exercise_01 \n',fontsize=20,color='black')
ax.text(.85,-.1,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 8.5,color='black')
plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\商业图表绘制\color_set_region_ed.png',width=7,height=4,
            dpi=900,bbox_inches='tight')
plt.show()

结果如下：

2.3 面积填充

加上填充面积可以使得图表看起来不那么单一，而且········（好吧·····我编不下去了，我就是为了最后成图好看下而已）。添加如下代码即可添加填充面积效果。

ax.fill_between(x_new, y_new,alpha=.15,lw=.1,zorder=2) # 填充两条线间的颜色

这里设置填充面积的线边框宽度为0.1，会使得填充边框不那么明显。效果如下：

如果不设置线宽lw,图中红色圆圈内将会有明显的横线效果，影响美观。

2.4 颜色选择

记得好多小伙伴后台留言或者直接和我沟通 关于色彩搭配的设置，其实，我也是一名学习者，可能就是看的色彩搭配网站以及精美可视化作品比较多，还是那句话多模仿 多练习 对比不同色系对同一幅图表所展示的效果，这是一个慢慢积累的过程，要是硬要我给建议，我也就多推几个可视化的色彩搭配网站给你们。下面就本期推文设置相关颜色，具体代码如下：

#对数据进行插值，使其润滑
#导入需要的库
from scipy import interpolate
fig,ax = plt.subplots(figsize=(10,5),dpi=200,facecolor ='#16151C')
ax.set_facecolor('#16151C')
#插值处理
f = interpolate.interp1d(x,y,kind="quadratic")#采用quadratic插值处理
x_new = np.linspace(x.min(),x.max(),1000)
y_new = f(x_new)
#绘图
ax.plot(x_new,y_new,c="#12D3B0",lw=3,zorder=1)
ax.scatter(x[-1],y[-1],s=200,c="#F1404B",ec='k',lw=1.5,zorder=2)
ax.scatter(x[-1],y[-1],s=600,c="#F1404B",ec='none',lw=2,alpha=.4,zorder=1)
ax.fill_between(x_new, y_new, color="#12D3B0",alpha=.15,ec="none",lw=.1,zorder=2) #填充两条线间的颜色


for spine in ['left','top', 'right', 'bottom']:
    ax.spines[spine].set_color("none")
#进行精修
ax.grid(axis='y',color='white',lw=.5,alpha=.1,zorder=0)
ax.tick_params(labelsize=13,labelcolor='white',grid_color='white',left=False,bottom=False)
ax.set_ylim(bottom=0,top=50)
ax.set_xlim(left=-0.5)
ax.set_xticklabels(labels=['2011','2012','2013','2014','2015','2016','2017','2018','2019','2020'])
ax.set_title('Matplotlib Color Set exercise_02 \n',fontsize=20,color='white')
ax.text(.85,-.1,'\nVisualization by DataCharm',transform = ax.transAxes,
        ha='center', va='center',fontsize = 8.5,color='white')
plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\商业图表绘制\color_set_02.png',width=7,height=4,
            dpi=900,bbox_inches='tight',facecolor='#16151C')
#ax.set_axisbelow(True)
plt.show()

涉及的颜色设置代码如下：

fig,ax = plt.subplots(figsize=(10,5),dpi=200,facecolor ='#16151C')
ax.set_facecolor('#16151C')
ax.plot(x_new,y_new,c="#12D3B0",lw=3,zorder=1)
ax.scatter(x[-1],y[-1],s=200,c="#F1404B",ec='k',lw=1.5,zorder=2)
ax.scatter(x[-1],y[-1],s=600,c="#F1404B",ec='none',lw=2,alpha=.4,zorder=1)
ax.fill_between(x_new, y_new, color="#12D3B0",alpha=.15,ec="none",lw=.1,zorder=2) 
plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\商业图表绘制\color_set_02.png',width=7,height=4,
            dpi=900,bbox_inches='tight',facecolor='#16151C')

效果如下：

同时也可以设置如下效果：

03. 总结

本期推文就是对可视化色彩合理设置，具体的设置方案也没有详细给出，可能自己也是在学习过程中。可能给大家的帮助也不是很多，当然我们可以多交流，共同进步。

---------End--------- 后台回复「微信群」，将邀请加入读者交流群。《Python知识手册》《Python可视化指南》《Plotly可视化指南》《Pandas使用指南》《机器学习精选》
????分享、点赞、在看，给个三连击呗！????