Matplotlib
中有一个很有趣的手绘风格。
如果不是特别严肃的分析报告,使用这个风格能给枯燥的数据分析图表带来一些活泼的感觉。
使用手绘风格非常简单,本篇主要手绘风格的效果以及如何配置中文的支持。
1. 中文支持
Matplotlib
的手绘风格默认是不支持中文的,中文在图形中会显示成方格子。
如果本机已经安装了中文字体,直接选择相应的字体即可,否则,需要下载安装。
1.1. 字体下载
如果没有合适的中文字体,可从下面地址下载:
https://url11.ctfile.com/f/45455611-872362386-3dafb6?p=6872 (访问密码: 6872)
这个zip包中有两个字体:
- 微软雅黑字体:中规中矩的中文字体
- 方正卡通字体:这个字体比较适合手绘风格,本篇的示例使用的就是这个字体。
1.2. 字体安装
如果是windows
系统的话,字体下载后,直接双击,然后选择安装即可。linux
系统的话,一般是把字体文件复制到 /usr/share/fonts
目录下。
字体安装后,可能在 Matplotlib
中不会生效,这是因为Matplotlib
对字体有缓存。
在windows
中,删除缓存的字体文件(C:Users{登录系统的用户}.matplotlibfontlist-v330.json
),重新运行程序,会再次生成字体缓存。
linux
中,可以通过运行 fc-cache
,重新生服务器托管网成字体缓存。
1.3. 显示效果
安装字体之后,改成手绘风格只需要添加一行代码:with plt.xkcd():
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
#绘图示例图形的函数
def draw(title="中文标题"):
#这里使用的是方正卡通字体
plt.rcParams.update({
"font.family": "FZKaTong-M19S",
"font.size": 11
})
x = np.array(range(10))
y = np.random.randint(10, 100, 10)
fig = plt.figure(figsize=[8, 6])
fig.subplots_adjust(hspace=0.5)
fig.add_subplot(211)
plt.plot(x, y, label="曲线1")
y1 = np.random.randint(10, 100, 10)
plt.plot(x, y1, label="曲线2")
plt.legend()
plt.title(title)
fig.add_subplot(212)
plt.bar(["苹果", "橘子", "香蕉", "西瓜", "桃子"],
height=y[:5],
color=["b", "c", "g", "m"])
#将绘制图形的函数放在 plt.xkcd上下文中即可
with plt.xkcd():
draw()
中文用的是方正卡通字体,和手绘风格搭配较好。
2. 手绘风格参数
手绘风格函数 plt.xkcd()
有3个主要参数,调整这3个参数,可以修正手绘的效果。
3个参数分别是:
- scale:手绘的各种线条的弯曲程度
- length:每个弯曲处的长度
- randomness:产生弯曲的随机性
2.1. scale 参数
scale
越小,弯曲程度越低。
for scale in [0.5, 2, 10]:
with plt.xkcd(scale=scale):
draw()
2.2. length 参数
length
参数控制每个弯曲的长度,也就是 length
越大,弯曲的越平滑。
for length in [1, 10, 100]:
with plt.xkcd(length=length):
draw(f"length 参数 = {length}")
2.3. randomness 参数
randomness
参数控制产生弯曲的随机性,randomness
越大,产生的弯曲处越多。
for randomness in [1, 10, 100]:
with plt.xkcd(randomness=randomness):
draw(f"randomness 参数 = {randomness}")
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
机房租用,服务器托管网北京机房租用,IDC机房托管, http://www.fwqtg.net
相关推荐: 用OLED屏幕播放视频(3): 使用cuda编程加速视频处理
下面的系列文章记录了如何使用一块linux开发扳和一块OLED屏幕实现视频的播放: 项目介绍 为OLED屏幕开发I2C驱动 使用cuda编程加速视频处理 这是此系列文章的第3篇, 主要总结和记录了如何使用cuda编程释放GPU的算力. 在此之前尝试过使用pyt…