用Python畫漂亮的專業(yè)插圖 ？So easy！

本文整理自知乎問答，僅用于學(xué)術(shù)分享，著作權(quán)歸作者所有。如有侵權(quán)，請聯(lián)系后臺作刪文處理。

像這種普通的函數(shù)圖象：

plt.fill(x, y1, 'b', x, y2, 'r', alpha=0.3)

以及這種 Scatter 圖（中文不知道該怎么說…）：

plt.scatter(x, y, s=area, alpha=0.5)

精致的曲線，半透明的配色。都顯出你那高貴冷艷的X格，最重要的是只需一行代碼就能搞定。從此以后再也不用忍受 Matlab以及GNUPlot 中那蛋疼的配色了。

想畫 3D 數(shù)據(jù)？沒有問題 (不過用 mayavi 可能更方便一些)：

ax.plot_surface(X, Y, Z, rstride=8, cstride=8, alpha=0.3)cset = ax.contourf(X, Y, Z, zdir='z', offset=-100, cmap=cm.coolwarm)cset = ax.contourf(X, Y, Z, zdir='x', offset=-40, cmap=cm.coolwarm)cset = ax.contourf(X, Y, Z, zdir='y', offset=40, cmap=cm.coolwarm)

四行代碼你就能擁有（后三行是畫坐標平面上的等高線，嚴格的額說還是一行）。

除此以外，不過你是矢量場，網(wǎng)絡(luò)還是什么奇葩的需求都能夠搞定：

plt.streamplot(X, Y, U, V, color=U, linewidth=2, cmap=plt.cm.autumn)plt.colorbar()

plt.triplot(x, y, triangles, 'go-')plt.title('triplot of user-specified triangulation')plt.xlabel('Longitude (degrees)')plt.ylabel('Latitude (degrees)')

ax = plt.subplot(111, polar=True)bars = ax.bar(theta, radii, width=width, bottom=0.0)

這還沒完，Matplotlib 還支持Latex公式的插入，當(dāng)別人畫的圖還是這個樣子的時候（以下圖片引用自Matplotlib Tutorial(譯)）

你能夠把它變成這個樣子：

如果再搭配上 IPython 作為運行終端（這張圖是自己的~）：

簡直就是神器啊，有木有！

心動不如行動，還等什么？

經(jīng)@許鋮同學(xué)提醒，再補充一句，matplotlib 還可以話 xkcd 風(fēng)格的圖呦~

（圖片引用自網(wǎng)絡(luò)）

此外結(jié)合 IPython Notebook 后更多精彩內(nèi)容，請看http://nbviewer.ipython.org/

如果嫌安裝麻煩并且恰好在 Windows 系統(tǒng)下的話可以嘗試Python的一個發(fā)行版winpython - Portable Scientific Python 2/3 32/64bit Distribution for Windows。

鑒于@van li同學(xué)質(zhì)疑 matplotlib 是否能畫出題目中所示的圖像，我在這里將題目中的圖像用 matplotlib 畫出來如下：

代碼在此處：

https://gist.github.com/coldfog/c479124328fc6bb8b789

代碼在此處：

https://gist.github.com/coldfog/5da63a6958fc0a949b52

看到樓下有人說配色和好看，唉....那我也貼幾個吧...只不過當(dāng)初限于篇幅沒有寫而已。

首先，python 有一個專門的配色包jiffyclub/brewer2mpl 路 GitHub，提供了從美術(shù)角度來講的精美配色（戳這里感受ColorBrewer: Color Advice for Maps）。

此外還有一些致力于美化繪圖的庫，用起來也都非常方便，比如olgabot/prettyplotlib 路 GitHub。

廢話不多說，上圖就是王道。
（一下圖片來源網(wǎng)絡(luò)）

有人可能會說需要復(fù)雜的設(shè)置，其實也不用。比如上邊這幅圖，只需要多加一個參數(shù)就好：

cmap=brewer2mpl.get_map('RdBu', 'diverging', 8, reverse=True).mpl_colormap,

樓下說到統(tǒng)計繪圖。嘛 seaborn (https://github.com/mwaskom/seaborn) 是一個調(diào)用 matplotlib 的統(tǒng)計繪圖庫，上圖：

代碼一行，后邊的幾乎都是一行，沒做其他設(shè)置，默認就這樣。我就不貼其他的代碼了：

g = sns.jointplot(x1, x2, kind="kde", size=7, space=0)

這還有個更炫酷的可交互式的繪圖，大家自己戳開看吧：

http://nbviewer.ipython.org/github/plotly/python-user-guidechaocc/blob/master/s0_getting-started/s0_getting-started.ipynb

哼哼，完爆了吧~~~~\(≧▽≦)/~

---

遇到安裝問題的請嘗試Anaconda這個Python發(fā)行版。下載安裝后直接使用即可，它幾乎預(yù)裝了所有要用到的科學(xué)計算及可視化的庫。

有盆友在評論里說希望能有完整的教程，確實就這個答案來說，離實際使用還有很大的距離，網(wǎng)上相關(guān)的中文資料也不多。不過真要寫起來這個答案也裝不下，況且寫在這個問題下也不是很恰當(dāng)。等到那天我有專欄了再說吧，到時候也許會寫一個關(guān)于可視化的系列教程。

翻遍這個問題下的所有回答，發(fā)現(xiàn)凡是提到Matlab的，其評價中常有‘鋸齒’，‘菜鳥’，‘難看’，‘不忍直視’等標簽。

然而，2020年了，技術(shù)提升了，觀念進步了，當(dāng)一些基本問題解決后，Matlab還那么‘不堪’嗎？

觀察Mathematica、Origin、Python/matplotlib、R/ggplot2等軟件繪制的數(shù)據(jù)、結(jié)果圖，其與Matlab圖的差異主要體現(xiàn)在點、線、面等對象屬性（位置、尺寸、顏色等）的不同上。

既然只是屬性的不同，那是不是只要修改一下這些信息，就可以實現(xiàn)各種軟件繪圖風(fēng)格之間的轉(zhuǎn)換了呢？

答案是肯定的。

比如，這是高贊回答?@馮昱堯用Python/matplotlib繪制的一幅圖：

我們用Matlab默認屬性來繪制，效果是這樣的（沒加誤差棒）：

然后，只需再修改一下位置、尺寸、顏色等信息，就可以得到風(fēng)格差不多的圖（沒加誤差棒）：

當(dāng)我們用這一思想來思考該如何繪制插圖時，就很容易實現(xiàn)自己的小想法，仿造甚至創(chuàng)造出理想的插圖。

比如，某一天，發(fā)現(xiàn)傍晚的天空顏色很美，心想：為什么不能把它畫到論文插圖里呢？（見：Matlab論文插圖配色2——自然漸變）

于是，

再比如，某一天，看到女朋友的照片，覺得很美，心想：為什么不能把她畫到論文插圖里呢？（見：Matlab論文插圖配色1——是女朋友的顏色）

于是，

這時，有朋友就要說了：“哎呀答主，你整這些個花里花哨的東西，還不是得一行代碼一行代碼的敲出來啊，太麻煩了吧。”

此言差矣。

就像R有g(shù)gplot2，Python有matplotlib，Matlab其實也有很多現(xiàn)成的繪圖工具包，并不需要你自己開發(fā)。

比如，

Pierre Morel [1] 結(jié)合ggplot2，開發(fā)了gramm工具，用于繪制復(fù)雜圖形。

Inspired by ggplot2 (Wickham 2009), the R implementation of “grammar of graphics” principles (Wilkinson 1999), gramm improves Matlab’s plotting functionality, allowing to generate complex figures using high-level object-oriented code.

示例效果如下：

類似的，Stephen Cobeldick [2] 將matplotlib配色方案移植到了Matlab。

也就是說，在Matlab中就可以直接用matplotlib的配色方案了，就不必總是‘jet’了。

The MatPlotLib 2.0 default colormaps ported to MATLAB. This submission also includes the Line ColorOrder colormaps!

示例效果如下：

還有很多專門針對論文插圖的工具包，這里就不一一介紹了。

總的來說，工具只是工具，它們并沒有高低貴賤之分。

若想畫出好看的插圖，關(guān)鍵還是在于使用工具的人。

集中一點，登峰造極。

參考：
Morel P . Gramm: grammar of graphics plotting in Matlab.
Cobeldick S . MatPlotLib Perceptually Uniform Colormaps.