Matplotlib 强势变身：6 个 Python 风格库惊艳众人

2024-03-22推荐

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 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

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