【Python】Matplotlib 可视化之路径效果高级应用
共 4664字,需浏览 10分钟
·
2022-05-19 22:33
如何通过定义路径效果,来改变图表元素的艺术效果,该方法有别于一般绘图函数关键字(例如facecolor和edgecolor
等),通过Matplotlib patheffects 模块灵活配置图表元素的艺术效果。
路径效果
什么是路径?
路径表示一系列可能断开的、可能已关闭的线和曲线段。
路径指的是matplotlib.path里面所实现的功能,最简单的路径就是比如一条任意的曲线都可以看成是路径。比如我要绘制一个心形,就需要通过路径去完成。
定义Artist路径效果
定义Artist在画布上遵循的路径效果。
matplotlib.patheffects
Matplotlib patheffects 模块提供了将多个绘制阶段应用于任何可通过 path.Path .
可以应用路径效果的对象包括 patches.Patch
, lines.Line2D
, collections.Collection
甚至 text.Text
。每个对象的路径效果可以通过 Artist.set_path_effects
方法,该方法需要 AbstractPathEffect
实例。
最简单的路径效应是 Normal 效果,简单地画出没有任何效果的图表:
import matplotlib.pyplot as plt
import matplotlib.patheffects as path_effects
plt.figure(figsize=(10, 3))
text = plt.text(0.5, 0.5, '欢迎关注\n@公众号:数据STUDIO '
'\n和云朵君一起学习数据分析与挖掘!',
ha='center', va='center', size=20)
text.set_path_effects([path_effects.Normal()])
plt.show()
添加阴影
更有趣的路径效果是投影,可以应用于任何基于路径的艺术家。类 SimplePatchShadow 和 SimpleLineShadow 通过在原始艺术家下面绘制填充的面片或线面片来精确地执行此操作。
text = plt.text(0.5, 0.5, '+关注 @公众号:数据STUDIO',size=20,
path_effects=[path_effects.withSimplePatchShadow()])
plt.plot([0, 3, 2, 5], linewidth=5, color='blue',
path_effects=[path_effects.SimpleLineShadow(),
path_effects.Normal()])
plt.show()
注意在这个例子中设置路径效果的两种方法。第一个使用
with*
类包含所需的功能,并自动跟随“Normal”效果,而“Normal”效果显式定义要绘制的两个路径效果。
使Artist脱颖而出
让Artist在视觉上脱颖而出的一个好方法是在实际Artist的下方用粗体颜色画出一个轮廓。这个 Stroke 路径效应使得这项任务相对简单:
text.set_path_effects([path_effects.Stroke(linewidth=3, foreground='black'),
path_effects.Normal()])
更灵活的配置
我们注意到,Stroke、SimplePatchShadow和SimpleLineShadow
的关键字不是通常的Artist关键字(例如facecolor和edgecolor
等)。这是因为使用这些路径效果,我们操作了 matplotlib
的较低层。实际上,接受的关键字是用于 matplotlib.backend_bases.GraphicsContextBase
实例的关键字,它们为易于创建新的后端而设计,而不是用于其用户界面。
有一个通用的PathPatchEffect路径效果,它创建一个具有原始路径的PathPatch类。此效果的关键字与PathPatch相同:
import matplotlib.pyplot as plt
import matplotlib.patheffects as path_effects
plt.figure(figsize=(12, 3),dpi=150)
t = plt.text(0.02, 0.5, '@公众号:数据STUDIO', fontsize=50, weight=1000, va='center')
t.set_path_effects([path_effects.PathPatchEffect(offset=(4, -4), hatch='xxxx',
facecolor='gray'),
path_effects.PathPatchEffect(edgecolor='white', linewidth=1.1,
facecolor='black')])
plt.show()
应用实例
绘图准备
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patheffects as path_effects
fig = plt.figure(figsize=(8, 8))
ax = plt.axes()
绘制散点图
# 样例数据准备
n = 250
np.random.seed(1)
X, Y = np.zeros(2 * n), np.zeros(2 * n)
S, C = np.zeros(2 * n), np.zeros(2 * n)
X[:n] = np.random.normal(1.60, 0.1, n)
Y[:n] = np.random.normal(50, 10, n)
S[:n] = np.random.uniform(25, 50, n)
C[:n] = 0
X[n:] = np.random.normal(1.75, 0.1, n)
Y[n:] = np.random.normal(75, 10, n)
S[n:] = np.random.uniform(25, 50, n)
C[n:] = 1
cmap = plt.get_cmap("RdYlBu")
# 绘制散点图
scatter = plt.scatter(X, Y, c=C, s=S, cmap=cmap, edgecolor="None", alpha=0.25)
配置轴标签与标题
# 设置轴标签和标题
ax.set_xlabel("身高 (m)", weight="medium")
ax.set_ylabel("体重 (kg)", weight="medium")
ax.set_title(
"""根据性别和年龄\n身高&体重的分布(伪数据)""")
绘制散点样式
# 绘制散点的黑边和白底
scatter = plt.scatter(X, Y, s=S, edgecolor="black", linewidth=0.75, zorder=-20)
scatter = plt.scatter(X, Y, s=S, edgecolor="None", facecolor="white", zorder=-10)
绘制投影分布图
plt.scatter(X, [19] * len(X), marker="|", color=cmap(C), linewidth=0.5, alpha=0.25)
plt.scatter([1.3] * len(X), Y, marker="_", color=cmap(C), linewidth=0.5, alpha=0.25)
配置图例
# 设置年龄图例
handles, labels = scatter.legend_elements(
num=3, prop="sizes", alpha=1,
markeredgewidth=0.5,
markeredgecolor="black",
markerfacecolor="None",
)
legend = plt.legend(
handles, labels, title=" 年龄",
loc=(0.6, 0.05),
handletextpad=0.1, labelspacing=0.25,
facecolor="None", edgecolor="None")
legend.get_children()[0].align = "left"
legend.get_title().set_fontweight("medium")
ax.add_artist(legend)
handles, labels = scatter.legend_elements(
markeredgewidth=0.0,
markeredgecolor="black")
labels = ["女性", "男性"]
legend = plt.legend(
handles, labels, title=" 性别",
loc=(0.75, 0.05),
handletextpad=0.1, labelspacing=0.25,
facecolor="None", edgecolor="None")
legend.get_children()[0].align = "left"
legend.get_title().set_fontweight("medium")
设置路径效果
ax.set_title(
"""根据性别和年龄\n身高&体重的分布(伪数据)""",
path_effects=[
path_effects.withSimplePatchShadow()
])
legend.get_title().set_path_effects(
[path_effects.Stroke(
linewidth=2,
foreground='orange'),
path_effects.Normal()
])
参考资料
Scientific Visualisation-Python&Matplotlib
往期精彩回顾
适合初学者入门人工智能的路线及资料下载 (图文+视频)机器学习入门系列下载 中国大学慕课《机器学习》(黄海广主讲) 机器学习及深度学习笔记等资料打印 《统计学习方法》的代码复现专辑 机器学习交流qq群955171419,加入微信群请扫码: