简介
Matplotlib 是 Python 中一个强大的数据可视化库。它允许你创建各种图表，如散点图、直方图、条形图等等。样式表参考脚本在一组通用的示例图表上展示了不同的可用样式表。在本实验中，你将学习如何使用 Matplotlib 样式表来自定义图表的外观。
虚拟机使用提示
虚拟机启动完成后，点击左上角切换到“笔记本”标签页以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。
如果你在学习过程中遇到问题，随时向 Labby 提问。课程结束后提供反馈，我们会立即为你解决问题。
导入库
在开始之前，你需要导入必要的库。在本实验中，你将使用 Matplotlib 和 NumPy。
import matplotlib.pyplot as plt
import numpy as np
定义绘图函数
接下来，你需要定义用于创建示例图表的绘图函数。在这一步中，你将定义以下绘图函数：
plot_scatter()：创建散点图plot_colored_lines()：按照样式颜色循环绘制带颜色的线条plot_bar_graphs()：创建条形图plot_colored_circles()：绘制圆形补丁plot_image_and_patch()：绘制带有圆形补丁的图像plot_histograms()：创建直方图
def plot_scatter(ax, prng, nb_samples=100):
"""散点图。"""
for mu, sigma, marker in [(-.5, 0.75, 'o'), (0.75, 1.,'s')]:
x, y = prng.normal(loc=mu, scale=sigma, size=(2, nb_samples))
ax.plot(x, y, ls='none', marker=marker)
ax.set_xlabel('X 轴标签')
ax.set_title('坐标轴标题')
return ax
def plot_colored_lines(ax):
"""按照样式颜色循环绘制带颜色的线条。"""
t = np.linspace(-10, 10, 100)
def sigmoid(t, t0):
return 1 / (1 + np.exp(-(t - t0)))
nb_colors = len(plt.rcParams['axes.prop_cycle'])
shifts = np.linspace(-5, 5, nb_colors)
amplitudes = np.linspace(1, 1.5, nb_colors)
for t0, a in zip(shifts, amplitudes):
ax.plot(t, a * sigmoid(t, t0), '-')
ax.set_xlim(-10, 10)
return ax
def plot_bar_graphs(ax, prng, min_value=5, max_value=25, nb_samples=5):
"""并排绘制两个条形图，x 轴刻度标签为字母。"""
x = np.arange(nb_samples)
ya, yb = prng.randint(min_value, max_value, size=(2, nb_samples))
width = 0.25
ax.bar(x, ya, width)
ax.bar(x + width, yb, width, color='C2')
ax.set_xticks(x + width, labels=['a', 'b', 'c', 'd', 'e'])
return ax
def plot_colored_circles(ax, prng, nb_samples=15):
"""
绘制圆形补丁。
注意：绘制固定数量的样本，而不是使用颜色循环的长度，因为不同的样式可能有不同数量的颜色。
"""
for sty_dict, j in zip(plt.rcParams['axes.prop_cycle'](),
range(nb_samples)):
ax.add_patch(plt.Circle(prng.normal(scale=3, size=2),
radius=1.0, color=sty_dict['color']))
ax.grid(visible=True)
## 添加标题以启用网格
plt.title('ax.grid(True)', family='monospace', fontsize='small')
ax.set_xlim([-4, 8])
ax.set_ylim([-5, 6])
ax.set_aspect('equal', adjustable='box') ## 将圆形绘制为圆形
return ax
def plot_image_and_patch(ax, prng, size=(20, 20)):
"""绘制具有随机值的图像并叠加一个圆形补丁。"""
values = prng.random_sample(size=size)
ax.imshow(values, interpolation='none')
c = plt.Circle((5, 5), radius=5, label='patch')
ax.add_patch(c)
## 移除刻度
ax.set_xticks([])
ax.set_yticks([])
def plot_histograms(ax, prng, nb_samples=10000):
"""绘制 4 个直方图和一个文本注释。"""
params = ((10, 10), (4, 12), (50, 12), (6, 55))
for a, b in params:
values = prng.beta(a, b, size=nb_samples)
ax.hist(values, histtype="stepfilled", bins=30,
alpha=0.8, density=True)
## 添加一个小注释。
ax.annotate('注释', xy=(0.25, 4.25),
xytext=(0.9, 0.9), textcoords=ax.transAxes,
va="top", ha="right",
bbox=dict(boxstyle="round", alpha=0.2),
arrowprops=dict(
arrowstyle="->",
connectionstyle="angle,angleA=-95,angleB=35,rad=10"),
)
return ax
定义绘图函数
现在，你需要定义 plot_figure() 函数，该函数将使用给定的样式设置并绘制演示图形。此函数将调用步骤 2 中定义的每个绘图函数。
def plot_figure(style_label=""):
"""使用给定的样式设置并绘制演示图形。"""
## 使用专用的 RandomState 实例来绘制不同图形上相同的“随机”值
prng = np.random.RandomState(96917002)
fig, axs = plt.subplots(ncols=6, nrows=1, num=style_label,
figsize=(14.8, 2.8), layout='constrained')
## 制作一个总标题，所有子图使用相同的样式，
## 除了那些背景较暗的子图，它们使用较浅的颜色：
background_color = mcolors.rgb_to_hsv(
mcolors.to_rgb(plt.rcParams['figure.facecolor']))[2]
if background_color < 0.5:
title_color = [0.8, 0.8, 1]
else:
title_color = np.array([19, 6, 84]) / 256
fig.suptitle(style_label, x=0.01, ha='left', color=title_color,
fontsize=14, fontfamily='DejaVu Sans', fontweight='normal')
plot_scatter(axs[0], prng)
plot_image_and_patch(axs[1], prng)
plot_bar_graphs(axs[2], prng)
plot_colored_lines(axs[3])
plot_histograms(axs[4], prng)
plot_colored_circles(axs[5], prng)
## 添加分隔线
rec = Rectangle((1 + 0.025, -2), 0.05, 16,
clip_on=False, color='gray')
axs[4].add_artist(rec)
为每个样式表绘制演示图形
最后，你需要为每个可用的样式表绘制演示图形。你可以通过遍历 style_list 并为每个样式表调用 plot_figure() 函数来实现这一点。
if __name__ == "__main__":
## 设置一个按字母顺序排列的所有可用样式的列表，但
## `default` 和 `classic` 样式将分别强制排在第一和第二位。
## 带有前导下划线的样式用于内部使用，例如测试
## 和绘图类型图库。这里将它们排除在外。
style_list = ['default', 'classic'] + sorted(
style for style in plt.style.available
if style!= 'classic' and not style.startswith('_'))
## 为每个可用的样式表绘制一个演示图形。
for style_label in style_list:
with plt.rc_context({"figure.max_open_warning": len(style_list)}):
with plt.style.context(style_label):
plot_figure(style_label=style_label)
plt.show()
总结
在本实验中，你学习了如何使用 Matplotlib 样式表来定制图表的外观。你学习了如何定义绘图函数，并使用它们来创建具有给定样式表的演示图形。通过遵循本实验中概述的步骤，你可以将 Matplotlib 样式表应用于自己的图表，以创建看起来专业的数据可视化效果。