如何用Python创建漂亮的绘图

偷藏星星的老周

于 2025-02-08 13:12:29 发布

阅读量705

点赞数 6

文章标签： python 开发语言 Python编程学习编程学习 Python基础 Python学习

本文链接：https://blog.youkuaiyun.com/m0_75067840/article/details/145509492

版权

在这里插入图片描述

包含编程资料、学习路线图、源代码、软件安装包等！【[点击这里]】！

在这里插入图片描述

用Python绘制高质量图表

我们将以一组随机生成的数据为例，逐步优化绘图效果。目标是实现一个带分类标签的3D散点图，并导出为高清矢量图。

1.生成数据与基础绘图

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据矩阵
n_samples = 1024
n_features = 3  
# 均值、标准差、峰度
feature_matrix = np.random.rand(n_samples, n_features)

# 基础3D绘图（初阶版）
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(feature_matrix[:, 0], feature_matrix[:, 1], feature_matrix[:, 2])
plt.show()

在这里插入图片描述

效果：散点堆砌一团，无颜色区分，坐标轴标签缺失，整体缺乏信息量（类似图1）。

2.进阶优化：分类标签与样式调整

# 设置分类标签和颜色
target_names = ['Health', 'Broken', 'Unknown']
colors = ['blue', 'red', 'green']

# 随机分配样本类别（模拟真实数据）
np.random.seed(42)
targets = np.random.choice([0, 1, 2], size=n_samples)

# 创建画布并绘图
fig = plt.figure(figsize=(12, 8), dpi=150)
ax = fig.add_subplot(111, projection='3d')

# 按类别绘制散点
for i in range(3):
mask = (targets == i)
ax.scatter(feature_matrix[mask, 0],
feature_matrix[mask, 1],
feature_matrix[mask, 2],
c=colors[i],
label=target_names[i],
s=50,          

# 点大小
alpha=0.8,     
# 透明度
edgecolor='w') # 边缘颜色

# 添加标签和样式调整
ax.set_xlabel('$\mu$ (Mean)', fontsize=14, labelpad=15)  # LaTeX公式支持
ax.set_ylabel('$\sigma$ (Std)', fontsize=14, labelpad=15)
ax.set_zlabel('$\kappa$ (Kurtosis)', fontsize=14, labelpad=15)
ax.set_title('Feature Matrix Visualization', fontsize=16, pad=20)

# 设置坐标轴范围和网格
ax.set_xlim(feature_matrix[:, 0].min(), feature_matrix[:, 0].max())
ax.set_ylim(feature_matrix[:, 1].min(), feature_matrix[:, 1].max())
ax.set_zlim(feature_matrix[:, 2].min(), feature_matrix[:, 2].max())
ax.grid(True, linestyle='--', alpha=0.6)

# 添加图例并调整视角
ax.legend(loc='upper left', fontsize=12
ax.view_init(elev=20, azim=45)  # 调整3D视角
plt.tight_layout()``plt.show()

在这里插入图片描述

优化效果：

散点按类别颜色区分，边缘清晰
坐标轴使用LaTeX公式字体
网格线为虚线，提升层次感
视角调整后，数据分布更直观（类似图2）。

3.终极技巧：导出高清矢量图

# 配置全局字体（需系统安装LaTeX）
plt.rcParams.update({"text.usetex": True,       
# 启用LaTeX渲染
"font.family": "serif",    
# 使用衬线字体
"font.serif": ["Times New Roman"]})
# 导出为PDF（矢量格式，无限放大不模糊）
fig.savefig('feature_matrix.pdf',
bbox_inches='tight',pad_inches=0.1,transparent=True)  # 透明背景，便于论文嵌入
# 导出为PNG（高清位图）
fig.savefig('feature_matrix.png',
dpi=300,            
# 分辨率
facecolor='white')  # 背景填充白色

总结与建议

全局样式统：通过"plt.rcParams"配置字体、颜色主题，避免重复设置。
善用LaTeX公式：坐标轴标签中的数学符号能大幅提升图表专业度。
矢量格式优先：论文或报告中使用PDF/EPS格式，确保缩放不失真。
3D绘图慎用：若需印刷，可转为多视图2D图（如Seaborn的"pairplot"）。

4.用Seaborn增添美观

由于Seaborn本身不支持3D绘图，我们可以结合Matplotlib的3D功能，同时利用Seaborn的样式和调色板。

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 生成随机数据矩阵
n_samples = 1024
n_features = 3  # 均值、标准差、峰度
feature_matrix = np.random.rand(n_samples, n_features)

# 将数据转换为DataFram
df = pd.DataFrame(feature_matrix, columns=['Mean', 'Std', 'Kurtosis'])

# 随机分配样本类别（模拟真实数据）
np.random.seed(42)
df['Target'] = np.random.choice(['Health', 'Broken', 'Unknown'], size=n_samples)

# 基础散点图（初阶版）
sns.scatterplot(data=df, x='Mean', y='Std', hue='Target')
plt.show()

from mpl_toolkits.mplot3d 
import Axes3D

# 设置Seaborn主题和调色板
sns.set_theme(style="whitegrid", palette="deep")

# 创建画布并绘图
fig = plt.figure(figsize=(12, 8), dpi=150)
ax = fig.add_subplot(111, projection='3d')

# 按类别绘制散点
for i, target in enumerate(df['Target'].unique()):
mask = (df['Target'] == target)ax.scatter(df.loc[mask, 'Mean'],
df.loc[mask, 'Std'],
df.loc[mask, 'Kurtosis'],
label=target,
s=50,          # 点大小
alpha=0.8,     # 透明度
edgecolor='w') # 边缘颜色

# 添加标签和样式调整
ax.set_xlabel('$\mu$ (Mean)', fontsize=14, labelpad=15)  # LaTeX公式支持
ax.set_ylabel('$\sigma$ (Std)', fontsize=14, labelpad=15)
ax.set_zlabel('$\kappa$ (Kurtosis)', fontsize=14, labelpad=15)
ax.set_title('Feature Matrix Visualization', fontsize=16, pad=20)

# 设置坐标轴范围和网格
ax.set_xlim(df['Mean'].min(), df['Mean'].max())
ax.set_ylim(df['Std'].min(), df['Std'].max())
ax.set_zlim(df['Kurtosis'].min(), df['Kurtosis'].max())
ax.grid(True, linestyle='--', alpha=0.6)

# 添加图例并调整视角
ax.legend(loc='upper left', fontsize=12)
ax.view_init(elev=20, azim=45)  # 调整3D视角
plt.tight_layout()
plt.show()