还在对Matplotlib繁琐的图层设置感到烦恼！？快来看看这个Python绘图工具包吧

ProPlot 库介绍

使用Python-matplotlib绘制图表时，默认的颜色以及格式主题只能帮助我们熟悉绘图函数，而想要设计出优秀的可视化作品(无论是出版级别还是略带艺术气息) 都需要熟悉大量的绘图函数，如颜色、刻度、轴脊、字体等，当涉及绘制多子图时，这些操作都会耗费我们大量的精力，不经导致编写代码冗长，而且还易出错，具体可以查看下我之前的文章Python-matplotlib 学术散点图 EE 统计及绘制 和 Python-matplotlib 横向堆积柱状图绘制。除此之外，如果你每天都需要使用matplotlib绘图且经常需要对图表进行美化，那Proplot 绘图包就太适合你了,也不要担心会不适应，人家可是对matplotlib进行高度封装，极大简化绘图函数而已。下面我们就其安装和主要使用方法进行简单介绍，如果大家想要详细了解，可以去官网哦。

安装

我们直接可是使用pip或者conda直接进行安装即可，

#for pippip install proplot#for condaconda install -c conda-forge proplot

登录后复制

当然，由于版本的不断更新，你还可以使用如下代码进行更新处理：

#for pippip install --upgrade proplot#for condaconda upgrade proplot

登录后复制

format()简化代码

Proplot 绘制图表不需要像matplotlib那样对每一个绘图属性进行设置，其提供的format() 函提供一次更改所有设置的格式化方法。我们首先举个简单的例子，如下：

import matplotlib.pyplot as pltimport matplotlib.ticker as mtickerimport matplotlib as mplwith mpl.rc_context(rc={'axes.linewidth': 1, 'axes.color': 'gray'}):    fig, axs = plt.subplots(ncols=2, sharey=True)    axs[0].set_ylabel('bar', color='gray')    for ax in axs:        ax.set_xlim(0, 100)        ax.xaxis.set_major_locator(mticker.MultipleLocator(10))        ax.tick_params(width=1, color='gray', labelcolor='gray')        ax.tick_params(axis='x', which='minor', bottom=True)        ax.set_xlabel('foo', color='gray')

登录后复制

import proplot as plotfig, axs = plot.subplots(ncols=2)axs.format(linewidth=1, color='gray')axs.format(xlim=(0, 100), xticks=10, xtickminor=True, xlabel='foo', ylabel='bar')

登录后复制

从这简单的例子中就可以看出Proplot的简便性了。

A-b-c 多子图序号添加

除了上面 format() 大大缩减代码量，我们在介绍了我认为比较方便的绘图方法-多子图序号自动添加。具体的例子如下：

# 样本数据import numpy as npstate = np.random.RandomState(51423)data = 2 * (state.rand(100, 5) - 0.5).cumsum(axis=0)import proplot as plotfig, axs = plot.subplots(ncols=2)axs[0].plot(data, lw=2)axs[0].format(xticks=20, xtickminor=False)axs.format(abc=True,abcstyle='(A)',abcsize=12,abcloc='ul',    suptitle='Abc label test', title='Title',    xlabel='x axis', ylabel='y axis')plt.savefig(r'E:Data_resoursesDataCharm 公众号Python学术图表绘制ProPlotbc_01.png',             dpi=900)

登录后复制

效果如下：

还可以对序号进行样式(abcstyle)、位置(abcloc)、大小(abcsize) 等的设置。其他详细设置可以参考官网。

颜色条(Colorbars)和图例(legends)

import proplot as plotimport numpy as npfig, axs = plot.subplots(nrows=2, share=0, axwidth='55mm', panelpad='1em')axs.format(suptitle='Stacked colorbars demo')state = np.random.RandomState(51423)N = 10# Repeat for both axesfor j, ax in enumerate(axs):    ax.format(        xlabel='data', xlocator=np.linspace(0, 0.8, 5),        title=f'Subplot #{j+1}'    )    for i, (x0, y0, x1, y1, cmap, scale) in enumerate((        (0, 0.5, 1, 1, 'grays', 0.5),        (0, 0, 0.5, 0.5, 'reds', 1),        (0.5, 0, 1, 0.5, 'blues', 2)    )):        if j == 1 and i == 0:            continue        data = state.rand(N, N) * scale        x, y = np.linspace(x0, x1, N + 1), np.linspace(y0, y1, N + 1)        m = ax.pcolormesh(            x, y, data, cmap=cmap,            levels=np.linspace(0, scale, 11)        )        ax.colorbar(m, loc='l', label=f'dataset #{i+1}')        plt.savefig(r'E:Data_resoursesDataCharm 公众号Python学术图表绘制ProPlotcolorbar_legend_02.png',             dpi=900)

登录后复制

效果如下：

import proplot as plotimport numpy as npfig, axs = plot.subplots(ncols=3, nrows=3, axwidth=1.4)state = np.random.RandomState(51423)m = axs.pcolormesh(    state.rand(20, 20), cmap='grays',    levels=np.linspace(0, 1, 11), extend='both')[0]axs.format(    suptitle='Figure colorbars and legends demo', abc=True,    abcloc='l', abcstyle='(a)', xlabel='xlabel', ylabel='ylabel')fig.colorbar(m, label='column 1', ticks=0.5, loc='b', col=1)fig.colorbar(m, label='columns 2-3', ticks=0.2, loc='b', cols=(2, 3))fig.colorbar(m, label='stacked colorbar', ticks=0.1, loc='b', minorticks=0.05)fig.colorbar(m, label='colorbar with length 
效果如下：
时间刻度(Datetime ticks)

登录后复制

import proplot as plotimport numpy as npplot.rc.update(    linewidth=1.2, fontsize=10, ticklenratio=0.7,    figurefacecolor='w', facecolor='pastel blue',    titleloc='upper center', titleborder=False,)fig, axs = plot.subplots(nrows=5, axwidth=6, aspect=(8, 1), share=0)axs[:4].format(xrotation=0)  # no rotation for these examples# Default date locator# This is enabled if you plot datetime data or set datetime limitsaxs[0].format(    xlim=(np.datetime64('2000-01-01'), np.datetime64('2001-01-02')),    title='Auto date locator and formatter')# Concise date formatter introduced in matplotlib 3.1axs[1].format(    xlim=(np.datetime64('2000-01-01'), np.datetime64('2001-01-01')),    xformatter='concise', title='Concise date formatter',)# Minor ticks every year, major every 10 yearsaxs[2].format(    xlim=(np.datetime64('2000-01-01'), np.datetime64('2050-01-01')),    xlocator=('year', 10), xformatter=''%y', title='Ticks every N units',)# Minor ticks every 10 minutes, major every 2 minutesaxs[3].format(    xlim=(np.datetime64('2000-01-01T00:00:00'), np.datetime64('2000-01-01T12:00:00')),    xlocator=('hour', range(0, 24, 2)), xminorlocator=('minute', range(0, 60, 10)),    xformatter='T%H:%M:%S', title='Ticks at specific intervals',)# Month and year labels, with default tick label rotationaxs[4].format(    xlim=(np.datetime64('2000-01-01'), np.datetime64('2008-01-01')),    xlocator='year', xminorlocator='month',  # minor ticks every month    xformatter='%b %Y', title='Ticks with default rotation',)axs.format(    ylocator='null', suptitle='Datetime locators and formatters demo')plot.rc.reset()plt.savefig(r'E:Data_resoursesDataCharm 公众号Python学术图表绘制ProPlotdatetick.png',             dpi=900)

登录后复制

效果如下：

以上是我认为ProPlot 比较优秀的几点，当然，大家也可以自行探索，发现自己喜欢的技巧。

ProPlot 实例演示

我们使用之前的推文数据进行实例操作，详细代码如下：

#开始绘图labels = ['L1', 'L2', 'L3', 'L4', 'L5']data_a = [20, 34, 30, 35, 27]data_b = [25, 32, 34, 20, 25]data_c = [12, 20, 24, 17, 16]x = np.arange(len(labels))width = .25fig, axs = plot.subplots(ncols=2, nrows=1, sharey=1, width=10,height=4)#for mark, data in zip()axs[0].plot(x,y1, marker='s',c='k',lw=.5,label='D1',markersize=8)axs[0].plot(x,y2, marker='s',c='k',ls='--',lw=.5,markersize=8,markerfacecolor='white',markeredgewidth=.4,label='D2')axs[0].plot(x,y3,marker='^',c='k',lw=.5,markersize=8,markerfacecolor='dimgray',markeredgecolor='dimgray',                     label='D3')axs[0].plot(x,y4,marker='^',c='k',lw=.5,markersize=8,label='D4')axs[1].bar(x-width/2, data_a,width,label='category_A',color='#130074',ec='black',lw=.5)axs[1].bar(x+width/2, data_b, width,label='category_B',color='#CB181B',ec='black',lw=.5)axs[1].bar(x+width*3/2, data_c,width,label='category_C',color='#008B45',ec='black',lw=.5)#先对整体进行设置axs.format(ylim=(0,40),    xlabel='', ylabel='Values',    abc=True, abcloc='ur', abcstyle='(A)',abcsize=13,    suptitle='ProPlot Exercise')#再对每个子图进行设置axs[0].format(ylim=(10,40),title='Multi-category scatter plot')axs[1].format(title='Multi-category bar plot',xticklabels=['L1', 'L2', 'L3', 'L4', 'L5'])plt.savefig(r'E:Data_resoursesDataCharm 公众号Python学术图表绘制ProPlotest_01.png',            dpi=900)plt.show()

登录后复制

效果如下：

只是简单的绘制，其他的设置也需要熟悉绘图函数，这里就给大家做个简单的演示。

总结

本期推文我们介绍了matplotlib非常优秀的科学图表绘图库PrpPlot, 在一定程度上极大了缩减了定制化绘制时间，感兴趣的同学可以持续关注这个库，当然，还是最好在熟悉matplotlib基本绘图函数及图层属性设置函数的基础上啊。