ホームページ >バックエンド開発 >Python チュートリアル >Matplotlib の面倒なレイヤー設定にはまだ悩まされています。 ?この Python 描画ツールキットをぜひ見てください。

Matplotlib の面倒なレイヤー設定にはまだ悩まされています。 ?この Python 描画ツールキットをぜひ見てください。

Python当打之年転載: 2023-08-10 16:00:111375ブラウズ

matplotlib は面倒ですか?描画プロパティの設定?特定のレイヤー設定関数を覚えられないことがよくあるため、長くて退屈な API ドキュメントを読まざるを得ませんか?それとも、複数の matplotlib サブプロットに直面するときにプロパティを設定するループコードを大量に記述していますか?最後に、1 つの Python 描画パッケージに習熟するだけで、2 次元、空間、その他のタイプのチャート描画方法をすべてマスターできることをまだ望んでいますか? ?また、不満や不満もたくさんありますが、あなたもこんな感じでしょうか？とにかく、上記の点は、matplotlib を使用してチャートをカスタマイズするときに私が最も感じたことです. もちろん、このツイートは文句を言うわけではなく、良い解決策を提供するために投稿します。今日の主役、プロプロットを紹介しましょう。正直に！最初にこのパッケージを発見したとき:

「あれ？そうだ、ロゴは matplotlib によく似ている」しかし、ほとんどの matplotlib 図面に慣れてよく使うようになったとき、戻ってきてこのツールを見たときパッケージ: 「リ、すごくいい匂いだよ!! さっき何をしたの? 早く使って!」。つまり、写真のせいで前のツイートがSCIによって何度も修正されたとしたら！ ?この Python 科学描画ツールキットを使用すると、科学出版物レベルの図の形式を 1 ステップで設定できることをまだご存じない方は、このツイートでコードを減らして面倒なカスタム描画のニーズを実現する方法を説明します。

ProPlot ライブラリの紹介
ProPlot サンプルデモンストレーション

ProPlot ライブラリの紹介##Python-matplotlib を使用してグラフを描画する場合、デフォルトの色と形式のテーマを使用できます。描画関数に慣れるのに役立つだけです。優れたビジュアライゼーション作品 (出版レベルであっても、少し芸術的なものであっても) をデザインしたい場合は、

color、scale などの多数の描画関数に精通する必要があります。、軸、フォント

など。描画複数のサブプロットとなると、これらの操作は多大なエネルギーを消費し、必然的に長いコード記述につながり、エラーも発生しやすくなります。詳細については、私の以前の記事「Python-matplotlib Academic Scatter Chart EE Statistics and Drawing」および「Python-matplotlib 水平積み上げ縦棒グラフの描画」を参照してください。さらに、毎日の描画に matplotlib を使用する必要があり、頻繁にグラフを美しくする必要がある場合は、Proplot 描画パッケージが最適です。適応できないことを心配する必要はありません。人々は matplotlib. カプセル化を高度に開発し、描画機能を大幅に簡素化しました。以下にインストール方法と主な使用方法を簡単に紹介しますので、さらに詳しく知りたい場合は公式サイトを参照してください。

インストール

pip または conda を使用して直接インストールできます。 ,

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

もちろん、バージョンは継続的に更新されるため、次のコードを更新処理に使用することもできます:

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

format()簡略化されたコード

Proplot 描画チャートでは、matplotlib のように各描画プロパティを設定する必要はありません。提供されている format() 関数は、すべての設定を変更する形式を提供します一気に化する方法です。まず、次のような簡単な例を示します。

matplotlib を使用して描画

import matplotlib.pyplot as plt
import matplotlib.ticker as mticker
import matplotlib as mpl
with mpl.rc_context(rc={&#39;axes.linewidth&#39;: 1, &#39;axes.color&#39;: &#39;gray&#39;}):
    fig, axs = plt.subplots(ncols=2, sharey=True)
    axs[0].set_ylabel(&#39;bar&#39;, color=&#39;gray&#39;)
    for ax in axs:
        ax.set_xlim(0, 100)
        ax.xaxis.set_major_locator(mticker.MultipleLocator(10))
        ax.tick_params(width=1, color=&#39;gray&#39;, labelcolor=&#39;gray&#39;)
        ax.tick_params(axis=&#39;x&#39;, which=&#39;minor&#39;, bottom=True)
        ax.set_xlabel(&#39;foo&#39;, color=&#39;gray&#39;)

ProPlot 描画

import proplot as plot
fig, axs = plot.subplots(ncols=2)
axs.format(linewidth=1, color=&#39;gray&#39;)
axs.format(xlim=(0, 100), xticks=10, xtickminor=True, xlabel=&#39;foo&#39;, ylabel=&#39;bar&#39;)

この簡単な例から、Proplot の単純さがわかります。

A-b-c 上記のformat()#に加えて、複数のサブピクチャのシリアル番号を追加します。 ## コードを大幅に削減量的にはより便利だと思う描画方法を導入しました - 複数のサブグラフの通し番号が自動的に追加されます

# 样本数据
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=&#39;(A)&#39;,abcsize=12,abcloc=&#39;ul&#39;,
    suptitle=&#39;Abc label test&#39;, title=&#39;Title&#39;,
    xlabel=&#39;x axis&#39;, ylabel=&#39;y axis&#39;
)
plt.savefig(r&#39;E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\ProPlot\abc_01.png&#39;,
             dpi=900)

効果は次のとおりです。スタイル (abcstyle)、位置 (abcloc) を実行することもできます。、サイズ ( abcsize)

およびその他の設定。その他詳細な設定については公式サイトをご参照ください。

Matplotlib の面倒なレイヤー設定にはまだ悩まされています。 ?この Python 描画ツールキットをぜひ見てください。 #カラーバーと凡例

##軸のカラーバーと凡例

import proplot as plot
import numpy as np
fig, axs = plot.subplots(nrows=2, share=0, axwidth=&#39;55mm&#39;, panelpad=&#39;1em&#39;)
axs.format(suptitle=&#39;Stacked colorbars demo&#39;)
state = np.random.RandomState(51423)
N = 10
# Repeat for both axes
for j, ax in enumerate(axs):
    ax.format(
        xlabel=&#39;data&#39;, xlocator=np.linspace(0, 0.8, 5),
        title=f&#39;Subplot #{j+1}&#39;
    )
    for i, (x0, y0, x1, y1, cmap, scale) in enumerate((
        (0, 0.5, 1, 1, &#39;grays&#39;, 0.5),
        (0, 0, 0.5, 0.5, &#39;reds&#39;, 1),
        (0.5, 0, 1, 0.5, &#39;blues&#39;, 2)
    )):
        if j == 1 and i == 0:
            continue
        data = state.rand(N, N) * scale
        x, 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=&#39;l&#39;, label=f&#39;dataset #{i+1}&#39;)
        
plt.savefig(r&#39;E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\ProPlot\colorbar_legend_02.png&#39;,
             dpi=900)

Figure 颜色条和图例

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=&#39;grays&#39;,
    levels=np.linspace(0, 1, 11), extend=&#39;both&#39;
)[0]
axs.format(
    suptitle=&#39;Figure colorbars and legends demo&#39;, abc=True,
    abcloc=&#39;l&#39;, abcstyle=&#39;(a)&#39;, xlabel=&#39;xlabel&#39;, ylabel=&#39;ylabel&#39;
)
fig.colorbar(m, label=&#39;column 1&#39;, ticks=0.5, loc=&#39;b&#39;, col=1)
fig.colorbar(m, label=&#39;columns 2-3&#39;, ticks=0.2, loc=&#39;b&#39;, cols=(2, 3))
fig.colorbar(m, label=&#39;stacked colorbar&#39;, ticks=0.1, loc=&#39;b&#39;, minorticks=0.05)
fig.colorbar(m, label=&#39;colorbar with length <1&#39;, ticks=0.1, loc=&#39;r&#39;, length=0.7)

效果如下： Matplotlib の面倒なレイヤー設定にはまだ悩まされています。 ?この Python 描画ツールキットをぜひ見てください。

时间刻度(Datetime ticks)

Datetime ticks

import proplot as plot
import numpy as np
plot.rc.update(
    linewidth=1.2, fontsize=10, ticklenratio=0.7,
    figurefacecolor=&#39;w&#39;, facecolor=&#39;pastel blue&#39;,
    titleloc=&#39;upper center&#39;, 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(&#39;2000-01-01&#39;), np.datetime64(&#39;2001-01-02&#39;)),
    title=&#39;Auto date locator and formatter&#39;
)

# Concise date formatter introduced in matplotlib 3.1
axs[1].format(
    xlim=(np.datetime64(&#39;2000-01-01&#39;), np.datetime64(&#39;2001-01-01&#39;)),
    xformatter=&#39;concise&#39;, title=&#39;Concise date formatter&#39;,
)

# Minor ticks every year, major every 10 years
axs[2].format(
    xlim=(np.datetime64(&#39;2000-01-01&#39;), np.datetime64(&#39;2050-01-01&#39;)),
    xlocator=(&#39;year&#39;, 10), xformatter=&#39;\&#39;%y&#39;, title=&#39;Ticks every N units&#39;,
)

# Minor ticks every 10 minutes, major every 2 minutes
axs[3].format(
    xlim=(np.datetime64(&#39;2000-01-01T00:00:00&#39;), np.datetime64(&#39;2000-01-01T12:00:00&#39;)),
    xlocator=(&#39;hour&#39;, range(0, 24, 2)), xminorlocator=(&#39;minute&#39;, range(0, 60, 10)),
    xformatter=&#39;T%H:%M:%S&#39;, title=&#39;Ticks at specific intervals&#39;,
)

# Month and year labels, with default tick label rotation
axs[4].format(
    xlim=(np.datetime64(&#39;2000-01-01&#39;), np.datetime64(&#39;2008-01-01&#39;)),
    xlocator=&#39;year&#39;, xminorlocator=&#39;month&#39;,  # minor ticks every month
    xformatter=&#39;%b %Y&#39;, title=&#39;Ticks with default rotation&#39;,
)
axs.format(
    ylocator=&#39;null&#39;, suptitle=&#39;Datetime locators and formatters demo&#39;
)
plot.rc.reset()
plt.savefig(r&#39;E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\ProPlot\datetick.png&#39;,
             dpi=900)

效果如下： Matplotlib の面倒なレイヤー設定にはまだ悩まされています。 ?この Python 描画ツールキットをぜひ見てください。

以上是我认为ProPlot 比较优秀的几点，当然，大家也可以自行探索，发现自己喜欢的技巧。

ProPlot 实例演示

我们使用之前的推文数据进行实例操作，详细代码如下：

#开始绘图
labels = [&#39;L1&#39;, &#39;L2&#39;, &#39;L3&#39;, &#39;L4&#39;, &#39;L5&#39;]
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=&#39;s&#39;,c=&#39;k&#39;,lw=.5,label=&#39;D1&#39;,markersize=8)
axs[0].plot(x,y2, marker=&#39;s&#39;,c=&#39;k&#39;,ls=&#39;--&#39;,lw=.5,markersize=8,markerfacecolor=&#39;white&#39;,markeredgewidth=.4,label=&#39;D2&#39;)
axs[0].plot(x,y3,marker=&#39;^&#39;,c=&#39;k&#39;,lw=.5,markersize=8,markerfacecolor=&#39;dimgray&#39;,markeredgecolor=&#39;dimgray&#39;,
                     label=&#39;D3&#39;)
axs[0].plot(x,y4,marker=&#39;^&#39;,c=&#39;k&#39;,lw=.5,markersize=8,label=&#39;D4&#39;)

axs[1].bar(x-width/2, data_a,width,label=&#39;category_A&#39;,color=&#39;#130074&#39;,ec=&#39;black&#39;,lw=.5)
axs[1].bar(x+width/2, data_b, width,label=&#39;category_B&#39;,color=&#39;#CB181B&#39;,ec=&#39;black&#39;,lw=.5)
axs[1].bar(x+width*3/2, data_c,width,label=&#39;category_C&#39;,color=&#39;#008B45&#39;,ec=&#39;black&#39;,lw=.5)

#先对整体进行设置
axs.format(ylim=(0,40),
    xlabel=&#39;&#39;, ylabel=&#39;Values&#39;,
    abc=True, abcloc=&#39;ur&#39;, abcstyle=&#39;(A)&#39;,abcsize=13,
    suptitle=&#39;ProPlot Exercise&#39;
)
#再对每个子图进行设置
axs[0].format(ylim=(10,40),title=&#39;Multi-category scatter plot&#39;)
axs[1].format(title=&#39;Multi-category bar plot&#39;,xticklabels=[&#39;L1&#39;, &#39;L2&#39;, &#39;L3&#39;, &#39;L4&#39;, &#39;L5&#39;])

plt.savefig(r&#39;E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\ProPlot\test_01.png&#39;,
            dpi=900)
plt.show()

效果如下： Matplotlib の面倒なレイヤー設定にはまだ悩まされています。 ?この Python 描画ツールキットをぜひ見てください。

只是简单的绘制，其他的设置也需要熟悉绘图函数，这里就给大家做个简单的演示。

总结

本期推文我们介绍了matplotlib非常优秀的科学图表绘图库PrpPlot, 在一定程度上极大了缩减了定制化绘制时间，感兴趣的同学可以持续关注这个库，当然，还是最好在熟悉matplotlib基本绘图函数及图层属性设置函数的基础上啊。

以上がMatplotlib の面倒なレイヤー設定にはまだ悩まされています。 ?この Python 描画ツールキットをぜひ見てください。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明：

この記事はPython当打之年で複製されています。侵害がある場合は、admin@php.cn までご連絡ください。

前の記事：ヒント | Python は PDF 請求書をバッチで自動的に抽出して整理します次の記事：ヒント | Python は PDF 請求書をバッチで自動的に抽出して整理します

続きを見る