python数据可视化第四章图标样式的美化

一、图标样式的概述
matplotlib在绘图的过程中会读取储存在本地的的配置文件matplotlibrc，通过matplotlibrc文件中的缺省配置信息指定图表元素的默认样式，完成图表元素的初始设置，不需要开发人员逐一设置便可使用。
matplotlibrc文件包含众多图表元素的配置项，可以通过rc_params()函数查看全部的配置项，实例代码如下：

import matplotlib
matplotlib.rc_params()

由上可知，rc_parmas()函数返回一个RcParmas对象。RcParmas对象是一个字典对象，其中字典的键是由配置要素及其属性组成的配置项，值为配置项的默认值。
二、图标样式的修改
matplotlib通过灵活的修改配置项来改变图表的样式，而不比拘泥于系统默认的设置，图表的样式可以通过两种方式进行修改，局部修改和全局修改。
三、使用颜色
在数据可视化中，颜色通常被用于编码数据的分类或定序属性，图表使用颜色时应遵循一定的基本规则，既要避免使用过多的颜色，又要避免随意使用颜色，否则会直接影响可视化的效果且不易让人理解，合理规则应是：
1、广泛的色调和亮度范围。
2、遵循自然的颜色模式；
3、尽量使用渐变颜色，而不是选择一组静态颜色。
四、选择线型
图表中的每个西那条军具有不同的含义，一般可以通过设置颜色，宽度，类型来区分其中，类型是区分线条的 常见方式之一。matplotlib内置了4种线条类型，
五、添加数据标记
在matplotlib中，折线图的线条由数据标记及其之间的连接组成，且默认隐藏数据标记，数据标记一般指代表单个数据的圆点或其他标记符号等，用于强调数据点的位置，常见于折线图和散点图。
六、设置字体
合理使用字体的规范：
1、英文注释文本均使用Arial、Helvetica或Times New Roman字体。
2、中文注释文本均使用宋体或黑体，其中正文使用宋体，标题使用黑体；
3、图表注释文本的最佳字体大小为8磅；
4、字体的颜色与背景具有强对比度。
七、切换主题风格
matplotlib.style模块中内置了一些图表的主题风格，通过切换不同的主题风格以确保用户的不同需求。所有主题风格都村粗与matplotlib配置文件下的目录下；可以通过访问available变量查看所有的可用主题风格。
八、填充区域
matplotlib中提供了多个函数用于填充多边形或区域，分别为fill()，fill_between()\和fill_betweenx()。其中fill()函数用于填充多边形；fill_between()、fill_betweenx()函数分别用于填充；想条水平曲线或者垂直曲线之间的区域。

import matplotlib
matplotlib.matplotlib_fname()

for name,hex in matplotlib.colors.cnames.items():
    print(name,hex)

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False
x=np.arange(5)
y1=[1200,2400,1800,2200,1600]
y2=[1050,2100,1300,1600,1340]
bar_width=0.6
tick_label=['家庭',"小说","心理","科技","儿童"]
fig=plt.figure()
ax=fig.add_subplot(111)
ax.bar(x,y1,bar_width,color="#FFCC00",align="center",label="地区1")
ax.bar(x,y2,bar_width,bottom=y1,color="#B0C4DE",align="center",label="地区2")
ax.set_ylabel("采购数量（本）")
ax.set_xlabel("图书种类")
ax.set_title("地区1和地区2对各类图书的采集情况")
ax.grid(True,axis='y',color="gray",alpha=0.2)
ax.set_xticks(x)
ax.set_xticklabels(tick_label)
ax.legend()
plt.title("2020080603042")
plt.show()

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False
eurcny_2017=np.array([6.8007,6.8007,6.8015,6.8060,6.8060,
                      6.8060,6.8060,6.8036,6.8077,6.7877,
                      6.8035,6.7758,6.7700,6.7463,6.7519,
                      6.7511,6.7511,6.7539,6.7265])
eurcny_2019=np.array([6.8640,6.8705,6.8679,6.8679,6.8697,
                     6.8881,6.8853,6.8856,6.8677,6.8662,
                     6.8662,6.8662,6.8827,6.8761,6.8635,
                     6.8860,6.8737,6.8796,6.8841])
date_x=np.array([3,4,5,6,7,8,9,10,
                 11,12,13,14,17,18,
                 19,24,25,26,31])
fig=plt.figure()
ax=fig.add_subplot(111)
ax.plot(date_x,eurcny_2017,color='#006374',linewidth=2,label='2017年7月美元/人民币汇率')
ax.plot(date_x,eurcny_2019,color='#8a2e76',linestyle='--',linewidth=2,label='2019年7月美元/人民币汇率')
ax.set_title('2017年7月与2019年7月美元/人民币汇率走势')
ax.set_xlabel('日期')
ax.set_ylabel('汇率')
ax.legend()
plt.title("2020080603042")
plt.show()

plt.plot([1,2,3],[3,4,5],marker='*',markersize=20,markerfacecolor='#FF6900')

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False
sale_a=[2144,4617,7674,6666]
sale_b=[853,1214,2414,4409]
sale_c=[153,155,292,680]
fig=plt.figure()
ax=fig.add_subplot(111)
ax.plot(sale_a,'s-',sale_b,'^:',sale_c,'s--')
ax.grid(alpha=0.3)
ax.set_ylabel('销售额（万元）')
ax.set_xticks(np.arange(len(sale_c)))
ax.set_xticklabels(['第一季度','第二季度','第三季度','第四季度'])
ax.legend(['产品A','产品B','产品C'])
plt.title("2020080603042")
plt.show()

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"]
plt.rcParams["axes.unicode_minus"]=False
x=np.arange(4,19)
y_max=[32,33,34,33,31,30,29,30,29,26,23,21,25,31,32]
y_min=[19,19,18,17,19,20,21,22,16,17,15,14,16,15,16]
plt.plot(x,y_max,marker='o',label='最高温度')
plt.plot(x,y_min,marker='o',label='最低温度')
x_temp=4
for y_h,y_1 in zip(y_max,y_min):
    plt.text(x_temp-0.3,y_h+0.7,y_h,family='SimHei',fontsize=8,fontstyle='normal')
    plt.text(x_temp-0.3,y_1+0.7,y_1,family='SimHei',fontsize=8,fontstyle='normal')
    x_temp+=1
plt.title('未来15天最高气温和最低气温的走势2020080603042')
plt.xlabel('日期')
plt.ylabel('温度（$^\circ$C）')
plt.ylim(0,40)
plt.legend()
plt.show()

import matplotlib.style as ms
print(ms.available)

import numpy as np 
import matplotlib.pyplot as plt
x=np.linspace(0,8*np.pi,1000)
sin_y=np.sin(x)
cos_y=np.cos(1.5*x/np.pi)/2
plt.plot(x,sin_y)
plt.plot(x,cos_y)
plt.fill_between(x,cos_y,sin_y,cos_y<sin_y,color='#00FF11',alpha=1)
plt.fill_between(x,cos_y,sin_y,cos_y>sin_y,color='#FFE400',alpha=1)

import numpy as np
import matplotlib.pyplot as plt
def koch_snowflake(order,scale=10):
    def _koch_snowflake_complex(order):
        if order==0:
            angles=np.array([0,120,240])+90
            return scale/np.sqrt(3)*np.exp(np.deg2rad(angles)*1j)
        else:
            ZR=0.5-0.5j*np.sqrt(3)/3
            p1 = _koch_snowflake_complex(order-1)
            p2 = np.roll(p1,shift=-1)
            dp = p2-p1
            new_points=np.empty(len(p1)*4,dtype=np.complex128)
            new_points[::4]=p1
            new_points[1::4]=p1+dp/3
            new_points[2::4]=p1+dp*ZR
            new_points[3::4]=p1+dp/3*2
            return new_points
    points=_koch_snowflake_complex(order)
    x,y=points.real,points.imag
    return x,y
x,y=koch_snowflake(order=2)
fig=plt.figure()
ax=fig.add_subplot(111)
ax.fill(x,y,facecolor='lightsalmon',edgecolor='orangered',linewidth=3)
plt.title('2020080603042')
plt.show()