查看: 6220|回复: 0

一行Python代码有多强，可让图形秒变「手绘风」

字体大小: 正常放大

杨利霞

5273 主题	82 听众	17万积分

TA的每日心情

	开心 2021-8-11 17:59

签到天数: 17 天

[LV.4]偶尔看看III

网络挑战赛参赛者

自我介绍: 本人女，毕业于内蒙古科技大学，担任文职专业，毕业专业英语。

群组: 2018美赛大象算法课程

群组: 2018美赛护航培训课程

群组: 2019年数学中国站长建

群组: 2019年数据分析师课程

群组: 2018年大象老师国赛优

电梯直达

1^#

发表于 2021-7-22 11:56 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

一行Python代码有多强，可让图形秒变「手绘风」
之前介绍过一个绘制手绘风格图形的工具cutecharts：一款蠢萌蠢萌的可视化工具

但是，其功能有限，今天再介绍一个手绘工具（matplotlib.pyplot.xkcd()），一行代码可将所有Matplotlib和Seaborn绘制的图形变为手绘风格。

matplotlib.pyplot.xkcd()简介
这个Matplotlib子函数特别简单，只有三个参数，别看参数少，但功能可不小

matplotlib.pyplot.xkcd(scale=1, #相对于不使用xkcd的风格图，褶皱的幅度
                     length=100, #褶皱长度
                     randomness=2#褶皱的随机性
                  )
matplotlib.pyplot.xkcd()使用
如下，加with行代码即可，括号中参数按个人喜好决定是否设置～

with plt.xkcd(scale=1, length=100, randomness=2):
#with是临时使用一下，不影响其它图使用正常样式
绘图代码
。。。。。。
plt.show()
matplotlib.pyplot.xkcd()使用实例
下面代码为pythonic生物人公众号之前的文章代码

以下参考：Python可视化25|seaborn绘制矩阵图

#支持seaborn
import seaborn as sns
iris_sns = sns.load_dataset("iris")
with plt.xkcd():
g = sns.pairplot(
      iris_sns,
      hue='species',  #按照三种花分类
      palette=['#dc2624', '#2b4750', '#45a0a2'])
sns.set(style='whitegrid')
g.fig.set_size_inches(12, 12)
sns.set(style='whitegrid', font_scale=1.5)


以下参考：Python可视化29|matplotlib-饼图（pie）

import matplotlib.pyplot as plt
with plt.xkcd(
      scale=4,  #相对于不使用xkcd的风格图，褶皱的幅度
      length=120,  #褶皱长度
      randomness=2):  #褶皱的随机性
plt.figure(dpi=150)
patches, texts, autotexts = plt.pie(
      x=[1, 2, 3],  #返回三个对象
      labels=['A', 'B', 'C'],
      colors=['#dc2624', '#2b4750', '#45a0a2'],
      autopct='%.2f%%',
      explode=(0.1, 0, 0))
texts[1].set_size('20')  #修改B的大小

#matplotlib.patches.Wedge
patches[0].set_alpha(0.3)  #A组分设置透明度
patches[2].set_hatch('|')  #C组分添加网格线
patches[1].set_hatch('x')

plt.legend(
      patches,
      ['A', 'B', 'C'],  #添加图例
      title="Pie Learning",
      loc="center left",
      fontsize=15,
      bbox_to_anchor=(1, 0, 0.5, 1))

plt.title('Lovely pie', size=20)
plt.show()

with plt.xkcd():
from string import ascii_letters
plt.figure(dpi=150)
patches, texts, autotexts = plt.pie(
      x=range(1, 12),
      labels=list(ascii_letters[26:])[0:11],
      colors=[
         '#dc2624', '#2b4750', '#45a0a2', '#e87a59', '#7dcaa9', '#649E7D',
         '#dc8018', '#C89F91', '#6c6d6c', '#4f6268', '#c7cccf'
      ],
      autopct='%.2f%%',
)
plt.legend(
      patches,
      list(ascii_letters[26:])[0:11],  #添加图例
      title="Pie Learning",
      loc="center left",
      bbox_to_anchor=(1, 0, 0.5, 1),
      ncol=2,  #控制图例中按照两列显示，默认为一列显示，
)

import matplotlib.pyplot as plt
import numpy as np
with plt.xkcd():
plt.figure(dpi=150)
labels = ['Jack', 'Rose', 'Jimmy']
year_2019 = np.arange(1, 4)
year_2020 = np.arange(1, 4) + 1
bar_width = 0.4

plt.bar(
      np.arange(len(labels)) - bar_width / 2,  #为了两个柱子一样宽
      year_2019,
      color='#dc2624',
      width=bar_width,
      label='year_2019'  #图例
)
plt.bar(
      np.arange(len(labels)) + bar_width / 2,
      year_2020,
      color='#45a0a2',
      width=bar_width,
      label='year_2020'  #图例
)
plt.xticks(np.arange(0, 3, step=1), labels, rotation=45)  #定义柱子名称
plt.legend(loc=2)  #图例在左边
以下参考：Python可视化|matplotlib12-垂直|水平|堆积条形图详解

以下参考： Python可视化|matplotlib10-绘制散点图scatter

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
#数据准备
from sklearn import datasets

iris = datasets.load_iris()
x, y = iris.data, iris.target
pd_iris = pd.DataFrame(np.hstack((x, y.reshape(150, 1))),
                     columns=[
                        'sepal length(cm)', 'sepal width(cm)',
                        'petal length(cm)', 'petal width(cm)', 'class'
                     ])
with plt.xkcd():

plt.figure(dpi=150)  #设置图的分辨率
#plt.style.use('Solarize_Light2')  #使用Solarize_Light2风格绘图
iris_type = pd_iris['class'].unique()  #根据class列将点分为三类
iris_name = iris.target_names  #获取每一类的名称
colors = ['#dc2624', '#2b4750', '#45a0a2']  #三种不同颜色
markers = ['$\clubsuit$', '.', '+']  #三种不同图形

for i in range(len(iris_type)):
      plt.scatter(
         pd_iris.loc[pd_iris['class'] == iris_type,
( c7 w7 d- T( M                      'sepal length(cm)'],  #传入数据x' O$ b4 D! s% m6 C* x7 O
         pd_iris.loc[pd_iris['class'] == iris_type,
: c' s/ }% a; k                      'sepal width(cm)'],  #传入数据y
7 [+ X6 C( Z, s! S; a. L' Y          s=50,  #散点图形（marker）的大小
! P7 J- E3 L, z) R5 j" }          c=colors,  #marker颜色
+ M, ]8 n& z4 V/ L1 |  Q9 j          marker=markers,  #marker形状
2 l: B1 j1 j, B          #marker=matplotlib.markers.MarkerStyle(marker = markers,fillstyle='full'),#设置marker的填充
$ I5 m2 ^% e( e          alpha=0.8,  #marker透明度，范围为0-1
$ Y$ M; l0 G- y' x          facecolors='r',  #marker的填充颜色，当上面c参数设置了颜色，优先c
% u2 B4 }+ G1 j          edgecolors='none',  #marker的边缘线色1 D) X9 O% w2 h7 D  N: J6 V
         linewidths=1,  #marker边缘线宽度，edgecolors不设置时，该参数不起作用- I) j0 q$ t0 l
         label=iris_name)  #后面图例的名称取自label
1 p: @1 {; P" _+ B! ? & L  @9 r' f& u" f+ x# b
plt.legend(loc='upper right'), Q4 i5 m$ c" o4 J

1 o" Z$ B  G4 N- q& ^2 w* I0 Y4 B( T/ ]
————————————————0 A/ }+ n0 V, g, I" D! H# ?
版权声明：本文为CSDN博主「pythonic生物人」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
# M$ R) A3 @3 C) [原文链接：https://blog.csdn.net/qq_21478261/article/details/118963753* t/ J1 M+ g; `" W1 O4 u3 o

5 P% W$ b* g2 Z+ }
. X1 P4 e& t2 o' c* H! P