是不是被matplotlib繁瑣繪圖屬性設(shè)置搞得一臉懵？是不是因常常記不住某一個(gè)圖層設(shè)置函數(shù)而被迫看又長(zhǎng)又枯燥的API文檔？又或者是不是在面對(duì)多個(gè)matplotlib子圖時(shí)寫(xiě)了大量的循環(huán)代碼來(lái)設(shè)置屬性？最后還是不是希望只精通一個(gè)Python繪圖包就可以把二維、空間等類(lèi)型圖表繪制方法都掌握？？此外，還有好多無(wú)奈和吐槽，我不知道你們是不是這樣？反正以上列出的幾點(diǎn)就是我在使用matplotlib自定義繪制圖表時(shí)最大的感觸了，當(dāng)然，本期推文不是來(lái)吐槽的，是來(lái)為大家提供好的解決方法的。

下面就介紹下今天的主角-- ProPlot。說(shuō)真的！當(dāng)我剛開(kāi)始發(fā)現(xiàn)這個(gè)包時(shí)：“嗯？不錯(cuò)，logo和matplotlib很像”，可是，當(dāng)我在熟悉大多數(shù)和經(jīng)常使用matplotlib繪圖時(shí)，回來(lái)再看這個(gè)工具包時(shí):“我*，真香！！我之前干了啥？趕快用起來(lái)!”。

本期推文將告訴你如何使用更少的代碼實(shí)現(xiàn)繁瑣的自定義繪圖需求，當(dāng)然，也是符合出版需求的配圖，主要內(nèi)容如下：

• ProPlot 庫(kù)介紹

• ProPlot 實(shí)例演示

ProPlot 庫(kù)介紹

使用Python-matplotlib繪制圖表時(shí)，默認(rèn)的顏色以及格式主題只能幫助我們熟悉繪圖函數(shù)，而想要設(shè)計(jì)出優(yōu)秀的可視化作品(無(wú)論是出版級(jí)別還是略帶藝術(shù)氣息) 都需要熟悉大量的繪圖函數(shù)，如顏色、刻度、軸脊、字體等，當(dāng)涉及繪制多子圖時(shí)，這些操作都會(huì)耗費(fèi)我們大量的精力，不僅導(dǎo)致編寫(xiě)代碼冗長(zhǎng)，而且還易出錯(cuò)，具體可以查看下我之前的文章Python-matplotlib 學(xué)術(shù)散點(diǎn)圖 EE 統(tǒng)計(jì)及繪制 和 Python-matplotlib 橫向堆積柱狀圖繪制。除此之外，如果你每天都需要使用matplotlib繪圖且經(jīng)常需要對(duì)圖表進(jìn)行美化，那Proplot 繪圖包就太適合你了,也不要擔(dān)心會(huì)不適應(yīng)，人家可是對(duì)matplotlib進(jìn)行高度封裝，極大簡(jiǎn)化繪圖函數(shù)而已。下面我們就其安裝和主要使用方法進(jìn)行簡(jiǎn)單介紹，如果大家想要詳細(xì)了解，可以去官網(wǎng)哦。

安裝

我們直接可是使用pip或者conda直接進(jìn)行安裝即可，

#for?pip pip?install?proplot #for?conda conda?install?-c?conda-forge?proplot

當(dāng)然，由于版本的不斷更新，你還可以使用如下代碼進(jìn)行更新處理：

#for?pip pip?install?--upgrade?proplot #for?conda conda?upgrade?proplot

format()簡(jiǎn)化代碼

Proplot 繪制圖表不需要像matplotlib那樣對(duì)每一個(gè)繪圖屬性進(jìn)行設(shè)置，其提供的format() 函提供一次更改所有設(shè)置的格式化方法。我們首先舉個(gè)簡(jiǎn)單的例子，如下：

• 使用matplotlib 繪制

import?matplotlib.pyplot?as?plt import?matplotlib.ticker?as?mticker import?matplotlib?as?mpl with?mpl.rc_context(rc={'axes.linewidth':?1,?'axes.color':?'gray'}):fig,?axs?=?plt.subplots(ncols=2,?sharey=True)axs[0].set_ylabel('bar',?color='gray')for?ax?in?axs:ax.set_xlim(0,?100)ax.xaxis.set_major_locator(mticker.MultipleLocator(10))ax.tick_params(width=1,?color='gray',?labelcolor='gray')ax.tick_params(axis='x',?which='minor',?bottom=True)ax.set_xlabel('foo',?color='gray')

• ProPlot繪制

import?proplot?as?plot fig,?axs?=?plot.subplots(ncols=2) axs.format(linewidth=1,?color='gray') axs.format(xlim=(0,?100),?xticks=10,?xtickminor=True,?xlabel='foo',?ylabel='bar')

從這簡(jiǎn)單的例子中就可以看出Proplot的簡(jiǎn)便性了。

A-b-c 多子圖序號(hào)添加

除了上面 format() 大大縮減代碼量，我們?cè)诮榻B了我認(rèn)為比較方便的繪圖方法-多子圖序號(hào)自動(dòng)添加。具體的例子如下：

#?樣本數(shù)據(jù) import?numpy?as?np state?=?np.random.RandomState(51423) data?=?2?*?(state.rand(100,?5)?-?0.5).cumsum(axis=0)import?proplot?as?plot fig,?axs?=?plot.subplots(ncols=2) axs[0].plot(data,?lw=2) axs[0].format(xticks=20,?xtickminor=False) axs.format(abc=True,abcstyle='(A)',abcsize=12,abcloc='ul',suptitle='Abc?label?test',?title='Title',xlabel='x?axis',?ylabel='y?axis' ) plt.savefig(r'E:\Data_resourses\DataCharm?公眾號(hào)\Python\學(xué)術(shù)圖表繪制\ProPlot\abc_01.png',dpi=900)

效果如下：

還可以對(duì)序號(hào)進(jìn)行樣式(abcstyle)、位置(abcloc)、大小(abcsize) 等的設(shè)置。其他詳細(xì)設(shè)置可以參考官網(wǎng)。

顏色條(Colorbars)和圖例(legends)

• axis 顏色條和圖例

import?proplot?as?plot import?numpy?as?np fig,?axs?=?plot.subplots(nrows=2,?share=0,?axwidth='55mm',?panelpad='1em') axs.format(suptitle='Stacked?colorbars?demo') state?=?np.random.RandomState(51423) N?=?10 #?Repeat?for?both?axes for?j,?ax?in?enumerate(axs):ax.format(xlabel='data',?xlocator=np.linspace(0,?0.8,?5),title=f'Subplot?#{j+1}')for?i,?(x0,?y0,?x1,?y1,?cmap,?scale)?in?enumerate(((0,?0.5,?1,?1,?'grays',?0.5),(0,?0,?0.5,?0.5,?'reds',?1),(0.5,?0,?1,?0.5,?'blues',?2))):if?j?==?1?and?i?==?0:continuedata?=?state.rand(N,?N)?*?scalex,?y?=?np.linspace(x0,?x1,?N?+?1),?np.linspace(y0,?y1,?N?+?1)m?=?ax.pcolormesh(x,?y,?data,?cmap=cmap,levels=np.linspace(0,?scale,?11))ax.colorbar(m,?loc='l',?label=f'dataset?#{i+1}')plt.savefig(r'E:\Data_resourses\DataCharm?公眾號(hào)\Python\學(xué)術(shù)圖表繪制\ProPlot\colorbar_legend_02.png',dpi=900)

效果如下：

• Figure 顏色條和圖例

import?proplot?as?plot import?numpy?as?np fig,?axs?=?plot.subplots(ncols=3,?nrows=3,?axwidth=1.4) state?=?np.random.RandomState(51423) m?=?axs.pcolormesh(state.rand(20,?20),?cmap='grays',levels=np.linspace(0,?1,?11),?extend='both' )[0] axs.format(suptitle='Figure?colorbars?and?legends?demo',?abc=True,abcloc='l',?abcstyle='(a)',?xlabel='xlabel',?ylabel='ylabel' ) fig.colorbar(m,?label='column?1',?ticks=0.5,?loc='b',?col=1) fig.colorbar(m,?label='columns?2-3',?ticks=0.2,?loc='b',?cols=(2,?3)) fig.colorbar(m,?label='stacked?colorbar',?ticks=0.1,?loc='b',?minorticks=0.05) fig.colorbar(m,?label='colorbar?with?length?<1',?ticks=0.1,?loc='r',?length=0.7)

效果如下：

時(shí)間刻度(Datetime ticks)

• Datetime ticks

import?proplot?as?plot import?numpy?as?np plot.rc.update(linewidth=1.2,?fontsize=10,?ticklenratio=0.7,figurefacecolor='w',?facecolor='pastel?blue',titleloc='upper?center',?titleborder=False, ) fig,?axs?=?plot.subplots(nrows=5,?axwidth=6,?aspect=(8,?1),?share=0) axs[:4].format(xrotation=0)??#?no?rotation?for?these?examples#?Default?date?locator #?This?is?enabled?if?you?plot?datetime?data?or?set?datetime?limits axs[0].format(xlim=(np.datetime64('2000-01-01'),?np.datetime64('2001-01-02')),title='Auto?date?locator?and?formatter' )#?Concise?date?formatter?introduced?in?matplotlib?3.1 axs[1].format(xlim=(np.datetime64('2000-01-01'),?np.datetime64('2001-01-01')),xformatter='concise',?title='Concise?date?formatter', )#?Minor?ticks?every?year,?major?every?10?years axs[2].format(xlim=(np.datetime64('2000-01-01'),?np.datetime64('2050-01-01')),xlocator=('year',?10),?xformatter='\'%y',?title='Ticks?every?N?units', )#?Minor?ticks?every?10?minutes,?major?every?2?minutes axs[3].format(xlim=(np.datetime64('2000-01-01T00:00:00'),?np.datetime64('2000-01-01T12:00:00')),xlocator=('hour',?range(0,?24,?2)),?xminorlocator=('minute',?range(0,?60,?10)),xformatter='T%H:%M:%S',?title='Ticks?at?specific?intervals', )#?Month?and?year?labels,?with?default?tick?label?rotation axs[4].format(xlim=(np.datetime64('2000-01-01'),?np.datetime64('2008-01-01')),xlocator='year',?xminorlocator='month',??#?minor?ticks?every?monthxformatter='%b?%Y',?title='Ticks?with?default?rotation', ) axs.format(ylocator='null',?suptitle='Datetime?locators?and?formatters?demo' ) plot.rc.reset() plt.savefig(r'E:\Data_resourses\DataCharm?公眾號(hào)\Python\學(xué)術(shù)圖表繪制\ProPlot\datetick.png',dpi=900)

效果如下：

以上是我認(rèn)為ProPlot 比較優(yōu)秀的幾點(diǎn)，當(dāng)然，大家也可以自行探索，發(fā)現(xiàn)自己喜歡的技巧。

ProPlot 實(shí)例演示

我們使用之前的推文數(shù)據(jù)進(jìn)行實(shí)例操作，詳細(xì)代碼如下：

#開(kāi)始繪圖 labels?=?['L1',?'L2',?'L3',?'L4',?'L5'] data_a?=?[20,?34,?30,?35,?27] data_b?=?[25,?32,?34,?20,?25] data_c?=?[12,?20,?24,?17,?16]x?=?np.arange(len(labels)) width?=?.25 fig,?axs?=?plot.subplots(ncols=2,?nrows=1,?sharey=1,?width=10,height=4) #for?mark,?data?in?zip() axs[0].plot(x,y1,?marker='s',c='k',lw=.5,label='D1',markersize=8) axs[0].plot(x,y2,?marker='s',c='k',ls='--',lw=.5,markersize=8,markerfacecolor='white',markeredgewidth=.4,label='D2') axs[0].plot(x,y3,marker='^',c='k',lw=.5,markersize=8,markerfacecolor='dimgray',markeredgecolor='dimgray',label='D3') axs[0].plot(x,y4,marker='^',c='k',lw=.5,markersize=8,label='D4')axs[1].bar(x-width/2,?data_a,width,label='category_A',color='#130074',ec='black',lw=.5) axs[1].bar(x+width/2,?data_b,?width,label='category_B',color='#CB181B',ec='black',lw=.5) axs[1].bar(x+width*3/2,?data_c,width,label='category_C',color='#008B45',ec='black',lw=.5)#先對(duì)整體進(jìn)行設(shè)置 axs.format(ylim=(0,40),xlabel='',?ylabel='Values',abc=True,?abcloc='ur',?abcstyle='(A)',abcsize=13,suptitle='ProPlot?Exercise' ) #再對(duì)每個(gè)子圖進(jìn)行設(shè)置 axs[0].format(ylim=(10,40),title='Multi-category?scatter?plot') axs[1].format(title='Multi-category?bar?plot',xticklabels=['L1',?'L2',?'L3',?'L4',?'L5'])plt.savefig(r'E:\Data_resourses\DataCharm?公眾號(hào)\Python\學(xué)術(shù)圖表繪制\ProPlot\test_01.png',dpi=900) plt.show()

效果如下：

只是簡(jiǎn)單的繪制，其他的設(shè)置也需要熟悉繪圖函數(shù)，這里就給大家做個(gè)簡(jiǎn)單的演示。

總結(jié)

本期推文我們介紹了matplotlib非常優(yōu)秀的科學(xué)圖表繪圖庫(kù)PrpPlot, 在一定程度上極大了縮減了定制化繪制時(shí)間，感興趣的同學(xué)可以持續(xù)關(guān)注這個(gè)庫(kù)，當(dāng)然，還是最好在熟悉matplotlib基本繪圖函數(shù)及圖層屬性設(shè)置函數(shù)的基礎(chǔ)上啊。

各位伙伴們好，詹帥本帥搭建了一個(gè)個(gè)人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請(qǐng)移步小程序體驗(yàn)一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數(shù)據(jù)類(lèi)型的基本操作（長(zhǎng)文系列第①篇）

牛逼！Python的判斷、循環(huán)和各種表達(dá)式（長(zhǎng)文系列第②篇）

牛逼！Python函數(shù)和文件操作（長(zhǎng)文系列第③篇）

牛逼！Python錯(cuò)誤、異常和模塊（長(zhǎng)文系列第④篇）

總結(jié)

以上是生活随笔為你收集整理的还在对Matplotlib繁琐的图层设置感到烦恼！？快来看看这个Python绘图工具包吧的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。