Matplotlib 強勢變身：6 個 Python 風格庫驚艷眾人

2024-03-22推薦

如果你也是一名數據科學家，你一定明白，無論你對數據的理解和研究有多深入，你最終對結果的判斷都將基於你視覺化成果。更糟的是，對於隨機觀察者來說，這些圖表不僅需要具有資訊量和直觀性，還要具有潮流感。

在我看來，python matplotlib和seaborn樣式有些乏味，而且被過度使用。有時，它們甚至會讓人覺得作者沒有投入太多時間或精力。為了給繪圖增添亮點，我發現了6個Python庫，它們可以在常規的線圖/散點圖、直方圖和其他基本視覺化圖上增加色彩。每個庫都有對應的github repo連結！

首先，生成一些綜合數據。使用每個庫制作4個子圖，這樣就可以在同類數據上對它們進行比較。

import matplotlibimport matplotlib.pyplot as pltimport numpy as npimport pandas as pdimport 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

註意： 沒有特定的顏色或圖案，只是在同一組繪畫中套用一種風格。

1. Aquarel

Aquarel庫[1] 提供 11 種 不同的樣式，包括深色和淺色樣式，可使用 pip 安裝：

pip install aquarel

可以像下面這樣使用上下文管理器來使用這些主題：

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_themetheme = load_theme("arctic_light")theme.apply()# ... plotting code heretheme.apply_transforms()