집 > 기사 > 백엔드 개발 > Matplotlib의 번거로운 레이어 설정이 아직도 짜증나네요! ? 와서 이 Python 그리기 도구 키트를 살펴보세요.

Matplotlib의 번거로운 레이어 설정이 아직도 짜증나네요! ? 와서 이 Python 그리기 도구 키트를 살펴보세요.

Python当打之年앞으로: 2023-08-10 16:00:111281검색

matplotlib의 복잡한 그리기 속성 설정이 헷갈리시나요? 특정 레이어 설정 기능이 기억나지 않는 경우가 많아 길고 지루한 API 문서를 억지로 읽어야 하시나요? 아니면 여러 matplotlib 하위 플롯에 직면할 때 속성을 설정하기 위해 많은 루프 코드를 작성하고 있습니까? 마지막으로, 하나의 Python 그리기 패키지만 숙달하면 모든 2차원, 공간 및 기타 유형의 차트 그리기 방법을 마스터할 수 있기를 바라십니까? ? 게다가 무기력함과 불만도 많으시죠? 어쨌든 위에 나열된 사항은 matplotlib를 사용하여 차트를 사용자 정의할 때 가장 큰 느낌입니다. 물론 이 트윗은 불평하는 것이 아니라 좋은 솔루션을 제공하기 위한 것입니다. 오늘의 주인공, 프로플롯(ProPlot)을 소개하겠습니다. 솔직히! 이 패키지를 처음 발견했을 때: "어? 네, 로고가 matplotlib와 매우 유사합니다." 하지만 대부분의 matplotlib 그림에 익숙해지고 자주 사용했을 때, 돌아와서 이 도구 패키지를 보았을 때: " 나리 , 향이 너무 좋아요! 내가 전에 뭘 했었나요? 빨리 써보세요!”. 요컨대, 이전 트윗이 사진 때문에 SCI에 의해 여러 번 수정되었다면! ? 이 Python 과학 드로잉 보물 도구 키트를 사용하면 과학 출판 수준의 그림 형식을 한 단계로 설정할 수 있다는 사실을 발견하지 못했기 때문에 이 트윗에서는 지루한 사용자 정의 드로잉 요구 사항을 달성하기 위해 더 적은 코드를 사용하는 방법을 알려줄 것입니다. 또한 출판 요구 사항을 충족하는 다이어그램입니다. 주요 내용은 다음과 같습니다.

ProPlot 라이브러리 소개
ProPlot 예제 데모

ProPlot 라이브러리 소개

차트를 그리려면 기본 색상 및 형식 테마는 그리기 기능에 익숙해지는 데에만 도움이 될 수 있지만 뛰어난 시각화 작품(출판 수준이든 약간 예술적이든)을 디자인하려면 많은 주제에 익숙해져야 합니다. 색상, 배율, 축, 글꼴 등과 같은 그리기 기능을 여러 하위 플롯으로 그릴 때 이러한 작업은 코드 작성 시간을 늘리지 않고도 많은 에너지를 소모하며 오류가 발생하기 쉽습니다. 자세한 내용은 이전 기사 Python-matplotlib Academic Scatter Chart EE 통계 및 그리기 및 Python-matplotlib 가로 누적 세로 막대형 차트 그리기를 확인하세요. 또한 매일 그림을 그리기 위해 matplotlib를 사용해야 하고 종종 차트를 아름답게 해야 하는 경우 Proplot 그리기 패키지가 적합하며 이에 적응하지 못할까 봐 걱정하지 마세요. , 이는 그리기 기능을 크게 단순화합니다. 아래에서는 설치 및 주요 사용방법에 대해 간략히 소개하겠습니다. 더 자세한 내용을 알고 싶으시면 공식 홈페이지를 방문하시면 됩니다.

Installation

pip이나 conda을 이용하여 직접 설치할 수도 있고,

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

물론 지속적인 버전 업데이트로 인해 업데이트 처리를 위해 다음 코드를 사용할 수도 있습니다. :

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

format()은 코드를 단순화합니다

Proplot은 matplotlib처럼 모든 플롯 속성을 설정할 필요가 없습니다. format() 함수는 모든 설정을 한 번에 변경할 수 있는 형식 지정 방법을 제공합니다. 먼저 다음과 같은 간단한 예를 들어보겠습니다.

Use matplotlib to draw

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 draw

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;)

이 간단한 예에서 Proplot의 단순성을 확인할 수 있습니다.

A-b-c 여러 개의 하위 사진 일련 번호가 추가됩니다

코드 양을 크게 줄여주는 위의 format() 외에도 더 편리하다고 생각되는 그리기 방법을 소개했습니다 - 여러 개의 하위 사진 일련번호가 자동으로 추가됩니다. 구체적인 예는 다음과 같습니다.

# 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)

효과는 다음과 같습니다. Matplotlib의 번거로운 레이어 설정이 아직도 짜증나네요! ? 와서 이 Python 그리기 도구 키트를 살펴보세요.

일련번호에 대한 스타일(abcstyle), 위치(abcloc), 크기(abcsize) 등을 설정할 수도 있습니다. 기타 자세한 설정은 공식 홈페이지를 참고해주세요.

Colorbars and legends

axis Colorbars and legends

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)

효과는 다음과 같습니다. Matplotlib의 번거로운 레이어 설정이 아직도 짜증나네요! ? 와서 이 Python 그리기 도구 키트를 살펴보세요.

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： Matplotlib의 번거로운 레이어 설정이 아직도 짜증나네요! ? 와서 이 Python 그리기 도구 키트를 살펴보세요.

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： Matplotlib의 번거로운 레이어 설정이 아직도 짜증나네요! ? 와서 이 Python 그리기 도구 키트를 살펴보세요.

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： Matplotlib의 번거로운 레이어 설정이 아직도 짜증나네요! ? 와서 이 Python 그리기 도구 키트를 살펴보세요.

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。

위 내용은 Matplotlib의 번거로운 레이어 설정이 아직도 짜증나네요! ? 와서 이 Python 그리기 도구 키트를 살펴보세요.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명：

이 기사는 Python当打之年에서 복제됩니다. 침해가 있는 경우 admin@php.cn으로 문의하시기 바랍니다. 삭제

이전 기사：팁 | Python은 PDF 송장을 자동으로 일괄 추출하고 구성합니다.다음 기사：팁 | Python은 PDF 송장을 자동으로 일괄 추출하고 구성합니다.