如何模仿一个网站,哪个网站可以查询即将到期的域名,微营销推广的种类有哪些,提升学历要多少钱文章目录 绘图风格测试代码默认和mpl风格复制风格seaborn风格 绘图风格
matplotlib功能强大#xff0c;可以定制各种绘图要素#xff0c;以满足个性化的绘图需求#xff0c;而更换绘图风格也十分便捷#xff0c;一个matplotlib.style.use函数轻松搞定#xff0c;而可用的… 文章目录 绘图风格测试代码默认和mpl风格复制风格seaborn风格 绘图风格
matplotlib功能强大可以定制各种绘图要素以满足个性化的绘图需求而更换绘图风格也十分便捷一个matplotlib.style.use函数轻松搞定而可用的绘图风格可调用matplotlib.style.available列表得到共有如下风格
matplotlib风格 ‘_mpl-gallery’, ‘_mpl-gallery-nogrid’更改较少的配色‘fast’, ‘_classic_test_patch’经典配色‘classic’, ‘grayscale’, ‘dark_background’复刻配色‘‘ggplot’, ‘bmh’, Solarize_Light2’, ‘fivethirtyeight’, ‘tableau-colorblind10’seaborn风格 ‘seaborn-v0_8’, ‘seaborn-v0_8-bright’, ‘seaborn-v0_8-colorblind’, ‘seaborn-v0_8-dark’, ‘seaborn-v0_8-dark-palette’, ‘seaborn-v0_8-darkgrid’, ‘seaborn-v0_8-deep’, ‘seaborn-v0_8-muted’, ‘seaborn-v0_8-notebook’, ‘seaborn-v0_8-paper’, ‘seaborn-v0_8-pastel’, ‘seaborn-v0_8-poster’, ‘seaborn-v0_8-talk’, ‘seaborn-v0_8-ticks’, ‘seaborn-v0_8-white’, ‘seaborn-v0_8-whitegrid’,
测试代码
下面将这些风格一一展示考虑到这些绘图风格其实只是更改部分绘图参数所以在更改风格之前需要先恢复为默认绘图风格绘图代码如下
import numpy as np
import matplotlib.pyplot as plt
import matplotlibdef draw(styleNone):matplotlib.style.use(default)matplotlib.style.use(style)xs np.linspace(-5,5,100)yL xs/5ys np.sin(xs)yc np.cos(xs)plt.figure(figsize(6,3))plt.plot(xs, ys)plt.plot(xs, yc)plt.plot(xs, yL, ls--, marker*)plt.title(style)plt.tight_layout()plt.show()draw(default)默认和mpl风格
所谓mpl即matplotlib颇有种官方的意味故而先展示这三种绘图风格默认的蓝橘绿配色大家其实都很熟悉了。 mpl风格如下
draw(‘_mpl-gallery’)draw(‘_mpl-gallery-nogrid’)
除了default之外“fast和”_classic_test_patch似乎并不会修改太多绘图元素由于在测试代码中所有风格都在default之后执行从而绘制结果与default十分相似 matplotlib提供了classic和灰阶配色这两个看上去十分古老尤其是classic颇有种上个世纪的特点。 最后matplotlib还提供了夜间模式暗黑配色如下 复制风格
ggplot就是那个大名鼎鼎的R语言绘图工具bmh则是Bayesian Methods for Hackers是一本介绍贝叶斯理论的书籍感觉这本书貌似也用的ggplot绘图
ggplotbmh
fivethirtyeight俗称538是美国民调网站fivethirtyeight模仿了这个网站的配色。
Solarized是比较经典的终端配色方案Solarize_Light2复刻了其中一种配色方案。
tableau是一个数据可视化软件我并没有用过tableau-colorblind10应该是从tableau中模仿的配色方案。 seaborn风格
作为matplotlib的中坚补充包seaborn的审美还是比较在线的matplotlib中提供了几乎seaborn中的所有绘图风格而且不多不少刚好16个下面统一绘制这些seaborn风格图像代码如下
ss [a for a in matplotlib.style.available if seaborn in a]xs np.linspace(-5,5,100)
yL xs/5
ys np.sin(xs)
yc np.cos(xs)fig plt.figure(figsize(14,8))
for i,s in enumerate(ss, 1):ax fig.add_subplot(4,4,i)matplotlib.style.use(default)matplotlib.style.use(s)ax.plot(xs, ys, labelsin)ax.plot(xs, yc, labelcos)ax.plot(xs, yL, labelline, ls--, marker*)plt.title(s)plt.legend()plt.tight_layout()
plt.show()
