目录
Python数据处理从零开始----第四章(可视化)⑥(画布设置)
=========================================================
正文
使用样式表自定义绘图
style包为易于切换的绘图『样式』增加了支持，它们与matplotlibrc文件参数相同。
有一些预定义样式由matplotlib提供。 例如，有一个名为『ggplot』的预定义样式，它模拟ggplot(R 的一种流行的绘图软件包)的美学。 为了使用此样式。首先，调出所有可以选择的样式列表
print(plt.style.available) # 打印样式列表
['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']
%reset -f
%clear
# In[*]
import numpy as np
import matplotlib.pyplot as plt
# In[*]
# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))
# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)
# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)
# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]
# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]
# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='x',ylabel='y',title='title')
# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='x',ylabel='y',title='title')
plt.show()
![]()
使用经典的style，plt.style.use('classic')
# In[*]
plt.style.use('classic')
# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))
# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)
# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)
# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]
# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]
# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='x',ylabel='y',title='title')
# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='x',ylabel='y',title='title')
plt.show()
![]()
使用ggplot2
plt.style.use('ggplot')
# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))
# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)
# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)
# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]
# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]
# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='x',ylabel='y',title='title')
# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='x',ylabel='y',title='title')
plt.show()
![]()
最常用的style样式
# In[*]
plt.style.use('seaborn-whitegrid')
# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))
# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)
# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)
# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]
# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]
# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='x',ylabel='y',title='title')
# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='x',ylabel='y',title='title')
plt.show()
![]()
最整洁的一套样式
plt.style.use('seaborn-white')
# 生成一张12*4的图
fig = plt.figure(figsize=(12,4))
# 生成第一个子图在1行2列第一列位置
ax1 = fig.add_subplot(121)
# 生成第二子图在1行2列第二列位置
ax2 = fig.add_subplot(122)
# 柱状图数据
x1 = [0.3, 1.7, 4, 6, 7]
y1 = [5, 20, 15, 25, 10]
# 折线图数据
x2 = np.arange(0,10)
y2 = [25,2,12,30,20,40,50,30,40,15]
# 第一个子图绘图和设置
ax1.bar(x1,y1)
ax1.set(xlabel='x',ylabel='y',title='title')
# 第二个子图绘图和设置
ax2.plot(x2,y2)
ax2.set(xlabel='x',ylabel='y',title='title')
plt.show()
![]()
转播
