matplotlib可视化必知必会富文本绘制方法

简介: matplotlib可视化必知必会富文本绘制方法

1 简介

长久以来,在使用matplotlib进行绘图时,一直都没有比较方便的办法像R中的ggtext那样,向图像中插入整段的混合风格富文本内容,譬如下面的例子:

而几天前我在逛github的时候偶然发现了一个叫做flexitext的第三方库,它设计了一套类似ggtext的语法方式,使得我们可以用一种特殊的语法在matplotlib中构建整段富文本,下面我们就来get它吧~🧐

2 使用flexitext在matplotlib中创建富文本

在使用pip install flexitext完成安装之后,我们使用下列语句导入所需模块:

from flexitext import flexitext

2.1 基础用法

flexitext中定义富文本的语法有些类似html标签,我们需要将施加了特殊样式设置的内容包裹在成对的<></>中,并在<>中以属性名:属性值的方式完成各种样式属性的设置,譬如我们想要插入一段混合了不同粗细、色彩以及字体效果的富文本:

from flexitext import flexitext
import matplotlib.pyplot as plt
# 将幼圆与楷体插入到matplotlib字体库中
plt.rcParams['font.sans-serif'] = ['YouYuan', 'KaiTi'] + plt.rcParams['font.sans-serif']
fig, ax = plt.subplots(figsize=(9, 6))
flexitext(0.5, 
          0.5, 
          '''<size:30>这<color:yellow>是</>一段<weight:bold, name:DejaVu Sans>flexitext</><color: red, name:KaiTi>富文本</>测试</>''', 
          ha="center");

很舒服!我们使用flexitext()来替换ax.text()方法,它在兼容了ax.text()关于文字坐标以及对齐方式等常规参数的同时,帮助我们以特殊的格式定义文本内容及样式风格,下面我们就来进一步学习flexitext中支持的各种参数设置。

2.2 flexitext标签中的常用属性参数

在前面的例子中我们在标签中使用到了sizecolorweight以及name等属性参数,而flexitext中标签支持的常用属性参数如下:

2.2.1 利用size设置文本像素大小

size属性非常简单,其用于定义标签所包裹文本内容的像素尺寸:

fig, ax = plt.subplots(figsize=(9, 6))
flexitext(0.5, 
          0.5, 
          '<size:20>size=20</><size:30>size=30</><size:40>size=40</><size:50>size=50</>', 
          ha="center")
plt.savefig('图3.png', dpi=300)

2.2.2 利用name设置字体

name属性可以用来设置具体的字体名称,关于matplotlib中的字体设置相关知识你可以参考我以前写过的「搞定matplotlib中的字体设置」https://www.cnblogs.com/feffery/p/14122415.html,下面分别演示系统自带的字体,以及自行注册导入的自定义字体是如何在flexitext中使用的(其中每种字体的name你可以通过font_manager.fontManager.ttflist查看):

from matplotlib import font_manager
# 从本地文件中注册新字体
font_manager.fontManager.addfont('Dark Twenty.otf')
font_manager.fontManager.addfont('Yozai-Regular.ttf')
font_manager.fontManager.addfont('LXGWWenKai-Regular.ttf')
fig, ax = plt.subplots(figsize=(9, 6))
flexitext(0.5, 
          0.5, 
          '<size:60, name:Dark Twenty>Dark Twenty</>\n<size:60, name:Yozai>悠哉字体</>\n<size:60, name:LXGW WenKai>霞鹜文楷</>', 
          ha="center")
plt.savefig('图4.png', dpi=300)

2.2.3 利用weight设置文本字体粗细

weight属性用于设置文本的粗细程度,可传入0到1000之间的数值,或是ultralightlightnormalregularbookmediumromansemibolddemibolddemiboldheavyextra boldblack中的选项,不过这个属性依赖具体的字体族(flexitext中使用family属性来定义)是否包含对应的粗细版本,所以有时候设置无效是正常的,譬如下面的例子中Times New Roman是完整的字体族,因此可以设置粗细:

fig, ax = plt.subplots(figsize=(9, 6))
flexitext(0.5, 
          0.5, 
          (
              '<size:50, family:Times New Roman>weight:regular</>\n'
              '<weight:bold, size:50, family:Times New Roman>weight:bold</>\n'
              '<weight:bold, size:50, name:LXGW WenKai>霞鹜文楷bold无效</>'
          ), 
          ha="center",
          ma='center')
plt.savefig('图5.png', dpi=300)

2.2.4 利用color、backgroundcolor设置文本颜色及背景色

colorbackgroundcolor属性接受matplotlib中合法的颜色值输入,可用于对标签所囊括文本的色彩及背景色进行设置,譬如下面我们配合调色库palettable来制作一些花里胡哨的文字:

from palettable.colorbrewer.diverging import Spectral_6
fig, ax = plt.subplots(figsize=(9, 6))
text = ''
for i, s in enumerate(list('制造一场彩虹')):
    text += '<size:50, name:LXGW WenKai, color:{}>{}</>'.format(Spectral_6.hex_colors[i], s)
    
flexitext(0.5, 
          0.6, 
          text, 
          ha="center",
          ma='center')
flexitext(0.5, 
          0.4, 
          '<name:LXGW WenKai, size:50, color:white, backgroundcolor: {}>制造一场彩虹</>'.format(Spectral_6.hex_colors[2]), 
          ha="center",
          ma='center')
plt.savefig('图6.png', dpi=300)

2.2.5 利用alpha调节文字透明度

alpha参数则用于设置文字的透明度,取值在0到1之间,来看一个简单的例子:

import numpy as np
fig, ax = plt.subplots(figsize=(9, 6))
flexitext(0.5, 
          0.4, 
          ('<name:LXGW WenKai, size:50, alpha:{}>绘</>'*9).format(
              *np.linspace(1, 0, 9).tolist()
          ), 
          ha="center",
          ma='center')
plt.savefig('图7.png', dpi=300)

相关文章
|
4月前
|
存储 编解码 数据可视化
【Matplotlib】figure方法之图形的保存
【Matplotlib】figure方法之图形的保存
137 1
|
2月前
|
机器学习/深度学习 数据可视化 搜索推荐
Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。
【7月更文挑战第5天】Python在社交媒体分析中扮演关键角色,借助Pandas、NumPy、Matplotlib等工具处理、可视化数据及进行机器学习。流程包括数据获取、预处理、探索、模型选择、评估与优化,以及结果可视化。示例展示了用户行为、话题趋势和用户画像分析。Python的丰富生态使得社交媒体洞察变得高效。通过学习和实践,可以提升社交媒体分析能力。
61 1
|
2月前
|
数据可视化 数据挖掘 Python
数据界的颜值担当!Python数据分析遇上Matplotlib、Seaborn,可视化美出新高度!
【7月更文挑战第24天】在数据科学领域,Python的Matplotlib与Seaborn将数据可视化升华为艺术,提升报告魅力。Matplotlib作为基石,灵活性强,新手友好;代码示例展示正弦波图的绘制与美化技巧。Seaborn针对统计图表,提供直观且美观的图形,如小提琴图,增强数据表达力。两者结合,创造视觉盛宴,如分析电商平台销售数据时,Matplotlib描绘趋势,Seaborn揭示类别差异,共塑洞察力强的作品,使数据可视化成为触动人心的艺术。
47 7
|
2月前
|
机器学习/深度学习 数据可视化 搜索推荐
Pandas 和 Matplotlib 可视化
【7月更文挑战第14天】Pandas 和 Matplotlib 是Python数据分析的核心库,用于数据探索性可视化。首先,通过`pip install pandas matplotlib`安装库。接着,使用`pd.read_csv()`加载CSV数据,`df.describe()`查看统计信息。利用Matplotlib的`hist()`, `scatter()`, 和 `boxplot()`绘制直方图、散点图和箱线图,展示数据分布和关系。通过`subplots()`创建多图展示,自定义样式如颜色、标记,并添加注释和标题。高级技巧包括热力图、时间序列图、分组可视化及Seaborn和Plotly
46 10
|
2月前
|
数据可视化 数据挖掘 Python
|
2月前
|
数据可视化 计算机视觉 异构计算
确保您已经安装了必要的库,包括`torch`、`torchvision`、`segmentation_models_pytorch`、`PIL`(用于图像处理)和`matplotlib`(用于结果可视化)。您可以使用pip来安装这些库:
确保您已经安装了必要的库,包括`torch`、`torchvision`、`segmentation_models_pytorch`、`PIL`(用于图像处理)和`matplotlib`(用于结果可视化)。您可以使用pip来安装这些库:
|
3月前
|
Python
matplotlib中改变字体的方法
matplotlib中改变字体的方法
155 1
|
4月前
|
数据可视化 数据挖掘 Python
【Python DataFrame专栏】DataFrame的可视化探索:使用matplotlib和seaborn
【5月更文挑战第20天】本文介绍了使用Python的pandas、matplotlib和seaborn库进行数据可视化的步骤,包括创建示例数据集、绘制折线图、柱状图、散点图、热力图、箱线图、小提琴图和饼图。这些图表有助于直观理解数据分布、关系和趋势,适用于数据分析中的探索性研究。
66 1
【Python DataFrame专栏】DataFrame的可视化探索:使用matplotlib和seaborn
|
4月前
|
存储 数据可视化 算法
最新Python-Matplotlib可视化(9)——精通更多实用图形的绘制,2024年最新小米面试题库
最新Python-Matplotlib可视化(9)——精通更多实用图形的绘制,2024年最新小米面试题库
最新Python-Matplotlib可视化(9)——精通更多实用图形的绘制,2024年最新小米面试题库
|
4月前
|
数据可视化 数据挖掘 C++
数据分析综合案例讲解,一文搞懂Numpy,pandas,matplotlib,seaborn技巧方法
数据分析综合案例讲解,一文搞懂Numpy,pandas,matplotlib,seaborn技巧方法
106 2