失眠网 > python【Matlibplot绘图库】绘制用于学术论文投稿的黑白图片

python【Matlibplot绘图库】绘制用于学术论文投稿的黑白图片

时间：2019-04-28 08:15:34

论文画图专用，数据numpy随机生成

文章目录

折线图并列柱状图箱线图堆积折线图三维曲面图

折线图

首先是最简单的折线图，每条线的color都是黑色，用linestyle加以区分，linestyle可以选择"-"、"–"、"-."、":“或”"。另外，坐标轴刻度、坐标轴名称、标签名称等等字体要调大一些，在figsize = (9, 6)的画布大小下我习惯把fontsize调成20，确保插入论文后字体大小看起来与正文中的小五一样大（当然不同的期刊可能也会有不同要求）。最后使用plt.savefig()保存图片，而不是

直接对IDE展示的图片右键保存（在本人电脑里这么保存的图片清晰度比较低），通过dpi参数调整需要保存图片的分辨率，我习惯设为300。

并列柱状图

普通的柱状图没什么好说的，来看看并列柱状图。黑白图的关键在于sns.barplot()的参数palette，这里用到的是共有3种颜色的灰色调色板sns.color_palette(‘Greys’, 3)。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsplt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falsesns.set_context("paper")np.random.seed()I = pd.DataFrame()for i in range(1, 12):I_tmp = pd.DataFrame(columns = ['单元楼号', '相位', '电流/A'])I_tmp['相位'] = ['A相电流', 'B相电流', 'C相电流']I_tmp['电流'] = np.random.rand(3) * 10I_tmp['单元楼号'] = iI = pd.concat([I, I_tmp], axis = 0)fig, ax = plt.subplots(1, 1, figsize = (9, 6))sns.barplot(x = '单元楼号', y = '电流', hue = '相位', data = I, palette = sns.color_palette('Greys', 3), ax = ax)ax.set_xlabel('单元楼号', fontsize = 20)ax.set_ylabel('电流/A', fontsize = 20)ax.tick_params(labelsize = 20)ax.legend(fontsize = 20)plt.savefig('图2.jpg', dpi = 300) plt.show()

箱线图

跟上面的并列柱状图差不多，为了做出黑白图同样用到的是palette = sns.color_palette('Greys', 2)。不同的是，并列柱状图中确定的x、y和hue只对应一个数字，而箱线图对应多个数字。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsplt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falsesns.set_context("paper")np.random.seed()U_error = pd.DataFrame()for index, phase in enumerate(['A相', 'B相', 'C相']):U_error_tmp = pd.DataFrame(columns = ['相位', '电压误差', '计算方法'])U_error_tmp['电压误差'] = np.random.rand(192) * 0.3 + 0.15 * indexU_error_tmp['相位'] = phaseU_error_tmp.loc[: 95, '计算方法'] = '本文方法'U_error_tmp.loc[96: , '计算方法'] = '对照方法'U_error = pd.concat([U_error, U_error_tmp], axis = 0)fig, ax = plt.subplots(1, 1, figsize = (9, 6))sns.boxplot(x = '相位', y = '电压误差', hue = '计算方法', data = U_error, palette = sns.color_palette('Greys', 2), ax = ax)sns.stripplot(x = '相位', y = '电压误差', hue = '计算方法', data = U_error, palette = sns.color_palette('Greys', 2), ax = ax, jitter = True, split = True)ax.set_xlabel('相位', fontsize = 20)ax.set_ylabel('电压误差/%', fontsize = 20)ax.tick_params(labelsize = 20)ax.legend(fontsize = 20)plt.savefig('图3.jpg', dpi = 300) plt.show()

堆积折线图

论文中也用到了堆积折线图，因为每两条折线之间的区域都需要通过一个语句填充颜色，没法像上两张图一样用palette = sns.color_palette(‘Greys’, n)来直接填充，但我一次意外发现，用sns.color_palette()[]就能直接指定这个调色板中的每个颜色了。下面的图片需要区分四种颜色，考虑到调色板里的第一个颜色太浅，最后一个颜色太深，我选择了6种颜色的调色板sns.color_palette(‘Greys’, 6)，取其中1~4进行单独的颜色填充。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsplt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falsesns.set_context("paper")np.random.seed()power = pd.DataFrame(np.random.randn(8, 24))power = (power - power.min().min()) * 100power.index = [str(i) + '00MW机组' for i in range(8, 0, -1)]p_cumsum = np.cumsum(power)fig, ax = plt.subplots(1, 1, figsize = (9, 6))ax.fill_between(p_cumsum.columns, p_cumsum.iloc[6], p_cumsum.iloc[7], facecolor = sns.color_palette('Greys', 6)[4], hatch = '/', label = p_cumsum.index[7])ax.fill_between(p_cumsum.columns, p_cumsum.iloc[5], p_cumsum.iloc[6], facecolor = sns.color_palette('Greys', 6)[3], hatch = '/', label = p_cumsum.index[6])ax.fill_between(p_cumsum.columns, p_cumsum.iloc[4], p_cumsum.iloc[5], facecolor = sns.color_palette('Greys', 6)[2], hatch = '/', label = p_cumsum.index[5])ax.fill_between(p_cumsum.columns, p_cumsum.iloc[3], p_cumsum.iloc[4], facecolor = sns.color_palette('Greys', 6)[1], hatch = '/', label = p_cumsum.index[4])ax.fill_between(p_cumsum.columns, p_cumsum.iloc[2], p_cumsum.iloc[3], facecolor = sns.color_palette('Greys', 6)[4], label = p_cumsum.index[3])ax.fill_between(p_cumsum.columns, p_cumsum.iloc[1], p_cumsum.iloc[2], facecolor = sns.color_palette('Greys', 6)[3], label = p_cumsum.index[2])ax.fill_between(p_cumsum.columns, p_cumsum.iloc[0], p_cumsum.iloc[1], facecolor = sns.color_palette('Greys', 6)[2], label = p_cumsum.index[1])ax.fill_between(p_cumsum.columns, 0, p_cumsum.iloc[0], facecolor = sns.color_palette('Greys', 6)[1], label = p_cumsum.index[0])ax.set_xlabel('时间', fontsize = 18)ax.set_ylabel('各类型机组出力/MW', fontsize = 18)plt.xticks([i for i in range(0, 24, 3)], [str(i) + ':00' for i in range(0, 24, 3)])ax.tick_params(labelsize = 18)ax.legend(fontsize = 18)plt.savefig('图4.jpg', dpi = 300) plt.show()

除此之外，使用调色板sns.color_palette()的时候，还可以用函数sns.palplot()来展示调色板中的各种颜色。

三维曲面图

在Python中使用颜色映射colormap，也是能得到黑白三维曲面图的。黑白图的关键在ax.plot_surface()的参数cmap，使用颜色映射plt.cm.gray就能得到黑白的三维曲面图了。

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom mpl_toolkits.mplot3d import Axes3Dplt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falsesns.set_context("paper")data = pd.DataFrame(index = np.arange(0, 1.05, 0.1), columns = np.arange(0, 1.05, 0.1))for i in range(data.shape[0]):for j in range(data.shape[1]):data.iloc[i, j] = np.sin(data.index[i] + data.index[j])X, Y = np.meshgrid(data.index, data.columns)fig = plt.figure(figsize = (9, 6))ax = fig.add_subplot(111, projection='3d')ax.plot_surface(X, Y, data, rstride = 1, cstride = 1, cmap = plt.cm.gray)plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1], ['0%', '10%', '20%', '30%', '40%', '50%']) plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1], ['0%', '10%', '20%', '30%', '40%', '50%']) ax.tick_params(labelsize = 16, pad = 0, axis = 'x')ax.tick_params(labelsize = 16, pad = 0, axis = 'y')ax.tick_params(labelsize = 16, pad = 2, axis = 'z')ax.set_xlabel('光伏占比', fontsize = 16, rotation = -11, labelpad = 4)ax.set_ylabel('风电占比', fontsize = 16, rotation = 40)ax.set_zlabel('抽蓄抽水功率/MW', fontsize = 16, labelpad = 2)plt.savefig('图6.jpg', dpi = 300) plt.show()

如果觉得《python【Matlibplot绘图库】绘制用于学术论文投稿的黑白图片》对你有帮助，请点赞、收藏，并留下你的观点哦！

本内容不代表本网观点和政治立场，如有侵犯你的权益请联系我们处理。

网友评论

网友评论仅供其表达个人看法，并不表明网站立场。