真香,Python “手绘风格”数据可视化方法汇总

大家好，今天给大家带来绘制“手绘风格”可视化作品的小技巧，主要涉及Python编码绘制。主要内容如下：

• Python-matplotlib 手绘风格图表绘制

• Python-cutecharts 手绘风格图表绘制

• Python-py-roughviz 手绘风格图表绘制

Python-matplotlib 手绘风格图表绘制

使用Python进行可视化绘制，首先想到的当然是Matplotlib,“手绘风格”的图表绘制方法当然首选它。在Matplotlib中，matplotlib.pyplot.xkcd() 绘图函数就可以进行手绘风图表的绘制，下面小编通过具体样例进行展示：

• 样例一：

import pandas as pd
import numpy as np
import matplotlib.pyplot as pltwith plt.xkcd():fig, ax = plt.subplots(figsize=(6.5,4),dpi=100)ax = df.plot.bar(color=["#BC3C28","#0972B5"],ec="black",rot=15,ax=ax)ax.set_ylim((0, 100))ax.legend(frameon=False)ax.set_title("EXAMPLE01 OF MATPLOTLIB.XKCD()",pad=20)ax.text(.8,-.22,'Visualization by DataCharm',transform = ax.transAxes,ha='center', va='center',fontsize = 10,color='black')

Example01 of matplotlib.xkcd()

• 样例二：

df = pd.DataFrame({'x': [1, 2, 2.5, 3, 3.5, 4, 5],'y': [4, 4, 4.5, 5, 5.5, 6, 6],
})with plt.xkcd():fig, ax = plt.subplots(figsize=(6.5,4),dpi=100)ax = df.plot.kde(color=["#BC3C28","#0972B5"],ax=ax)ax.set_ylim((0, 0.4))ax.legend(frameon=False)ax.set_title("EXAMPLE02 OF MATPLOTLIB.XKCD()",pad=20)ax.text(.8,-.22,'Visualization by DataCharm',transform = ax.transAxes,ha='center', va='center',fontsize = 10,color='black')

Example02 of matplotlib.xkcd()

• 样例三：

with plt.xkcd():fig, ax = plt.subplots(figsize=(6.5,4),dpi=100)ax.spines["right"].set_color('none')ax.spines["top"].set_color('none')ax.set_xticks([])ax.set_yticks([])ax.set_ylim([-30, 10])data = np.ones(100)data[70:] -= np.arange(30)ax.annotate('THE DAY I REALIZED\nI COULD COOK BACON\nWHENEVER I WANTED',xy=(70, 1), arrowprops=dict(arrowstyle='->'), xytext=(15, -10))ax.plot(data,color="#BC3C28")ax.set_xlabel('time')ax.set_ylabel('my overall health')ax.set_title("EXAMPLE03 OF MATPLOTLIB.XKCD()")ax.text(.8,-.15,'Visualization by DataCharm',transform = ax.transAxes,ha='center', va='center',fontsize = 10,color='black')

Example03 of matplotlib.xkcd()

Python-cutecharts 手绘风格图表绘制

介绍完使用matplotlib绘制后，小编再介绍一个专门绘制“手绘风格”图表的Python可视化库-cutecharts。这个包可能有的小伙伴也有了解过，如果熟悉pyecharts的同学肯定会更加快速上手的。官网如下：https://github.com/cutecharts/cutecharts.py 。这里小编就直接列举几个例子，感兴趣的同学可自行探索哈~

• 样例一：

from cutecharts.charts import Bar
from cutecharts.components import Page
from cutecharts.faker import Fakerdef bar_base() -> Bar:chart = Bar("Bar-cutecharts基本示例01")chart.set_options(labels=Faker.choose(), x_label="I'm xlabel", y_label="I'm ylabel")chart.add_series("series-A", Faker.values())return chartbar_base().render_notebook()

注：render_notebook()方法可使绘图结果在jupyter notebook 中显示。

• 样例二：

from cutecharts.charts import Line
from cutecharts.components import Page
from cutecharts.faker import Fakerdef line_base() -> Line:chart = Line("Line-cutecharts基本示例02")chart.set_options(labels=Faker.choose(), x_label="I'm xlabel", y_label="I'm ylabel")chart.add_series("series-A", Faker.values())chart.add_series("series-B", Faker.values())return chart
line_base().render_notebook()

Example02 of cutecharts

• 样例三：

from cutecharts.charts import Pie
from cutecharts.components import Page
from cutecharts.faker import Fakerdef pie_base() -> Pie:chart = Pie("Pie-cutecharts基本示例03")chart.set_options(labels=Faker.choose(),legend_pos="upRight")chart.add_series(Faker.values())return chartpie_base().render_notebook()

Example03 of cutecharts

这里这是基本的图表绘制，实现定制化的属性参数也都没有介绍，小伙伴们可去官网查阅(由于没详细的官方文档，大家可参考样例和pyecharts的文档)

Python-py-roughviz 手绘风格图表绘制

这个和cutecharts包一样，都是基于roughViz.js转换编码绘制的，官网为：https://github.com/charlesdong1991/py-roughviz 。由于所支持的图表类型不是很多且各个图标设置的参数也不够完善，这里小编直接给出两个样例，感兴趣的小伙伴可自行探索哈~

• 样例一：

from roughviz.charts.bar import Bar
data = {"labels": ["North", "South", "East", "West"],"values": [10, 5, 8, 3]
}bar = Bar(data=data, title="Bar-roughviz基本示例01", title_fontsize=3)
bar.set_options(xlabel="Region", ylabel="Number", color="orange")
bar.show()

Example01 of roughviz

• 样例二：

from roughviz.charts.donut import Donut
donut = Donut(data={"labels": ['a', 'b'], "values": [10, 20]}, title="Donut-roughviz基本示例02", title_fontsize=3)
donut.show()

Example02 of roughviz

总结

本期推文，小编给大家汇总了“手绘风格”的可视化图表绘制方法，喜欢的欢迎收藏、点赞、关注。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！