Matplotlib 强势变身：6 个 Python 风格库惊艳众人

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 matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import 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_theme

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

2. Rosé Pine

第二个repo^[2] 我非常喜欢，它不是一个库，而是一组主题，你需要下载这些主题，然后指定 matplotlib 的路径：

plt.style.use('./themes/rose-pine-moon.mplstyle')

之后，只需要按照相同的绘图步骤进行即可。这个软件包的颜色非常温和，同时对比度也很高。

3. Catppuccin

需要使用pip 安装Catppuccin库^[3]。它包括 4 种不同的风格和不同的暗度。

matplotlib.style.use("mocha")

Catppuccin软件包还提供了一个有趣的功能，可以将不同的样式表进行混合。可以尝试将基本的seaborn-v0_8-dark和mocha样式表结合起来。

Catppuccin混合主题

4. mplcyberpunk

下一个库mplcyberpunk^[4]非常有名，每个人都钟爱赛博朋克，这款软件不仅能够提供恰到好处的颜色和背景，还能为图片添加发光效果，绝对让人惊艳！

import matplotlib.pyplot as plt
import mplcyberpunk
plt.style.use("cyberpunk")
...
mplcyberpunk.add_glow_effects()
plt.show()

fig, ax = plt.subplots()
...
mplcyberpunk.make_lines_glow(ax)

5. matplotx

matplotx^[5]是matplotlib的另一个扩展包，可以通过pip像之前的扩展包一样安装。它提供了20种不同的主题，可用于科学研究、投影或其他任何用途，因为这些风格既有严谨的特点，也有非正式和时尚的风格。

6. GruvBox

今天的最后一个是GruvBox^[6]。，它不是一个真正的库，而是一个文件，适用时需要上传它：

matplotlib.style.use("./gruvbox.mplstyle")

尽管这个软件仓库中只有一个主题，但我非常喜欢它的字体、线条和背景颜色的搭配！

希望以上的内容能够帮助到你，持续关注云朵君，我们一起学习机器学习与挖掘～

参考资料

[1]

Aquarel库: https://github.com/lgienapp/aquarel

[2]

repo: https://github.com/h4pZ/rose-pine-matplotlib

[3]

Catppuccin库: https://github.com/catppuccin/matplotlib

[4]

mplcyberpunk: https://github.com/dhaitz/mplcyberpunk

[5]

matplotx: https://github.com/nschloe/matplotx

[6]

GruvBox: https://github.com/thriveth/gruvbox-mpl/tree/master

🏴‍☠️宝藏级🏴‍☠️ 原创公众号『数据STUDIO』内容超级硬核。公众号以Python为核心语言，垂直于数据科学领域，包括可戳👉 Python｜MySQL｜数据分析｜数据可视化｜机器学习与数据挖掘｜爬虫等，从入门到进阶！

长按👇关注- 数据STUDIO -设为星标，干货速递