Python-matplotlib 学术柱状图绘制
引言柱状图或条形图在学术论文中使用的频率还是很大的，图中需要以不同颜色对不同数据进行区分，但当涉及黑白打印时，色彩颜色的区别度较小，导致难以理解，因此需要绘制黑灰颜色或者黑白阴影的柱状图或者条形图，下面就具体介绍使用Python-matplotlib 的实现过程。
可视化绘制
matplotlib绘制这种柱状图或者条形图还是比较简单的，主要涉及的知识点就是ax.bar()方法的应用，首先进行黑灰颜色柱状图的绘制，具体代码如下：
plt.rcParams['font.family'] = ['Times New Roman']
fig,ax = plt.subplots(1,1,figsize=(7,4.5),dpi=200)
labels = ]
x = np.arange(len(labels))# the label locations
width = 0.35# the width of the bars
label_font = {
'weight':'bold',
'size':14,
'family':'simsun'
}
rects1 = ax.bar(x - width/2, means_2006, width, label='2006',ec='k',color='white',lw=.8
)
rects2 = ax.bar(x + width/2 + .05, means_2016, width, label='2016',ec='k',color='white',
lw=.8)
# rects2 = ax.bar(x + width/2 + .05, means_2016, width, label='2016',ec='k',color='k',
# lw=.8,alpha=.8)
ax.tick_params(which='major',direction='in',length=5,width=1.5,labelsize=11,bottom=False)
ax.tick_params(axis='x',labelsize=11,bottom=False,labelrotation=15)
ax.set_xticks(x)
ax.set_ylim(ymin = 0,ymax = 1800)
ax.set_yticks(np.arange(0,1900,200))
ax.set_ylabel('(亿元)',fontdict=label_font)
ax.set_xticklabels(labels,fontdict=label_font)
#ax.legend(markerscale=10,fontsize=12,prop=legend_font)
ax.legend(markerscale=10,fontsize=12)
# Add some text for labels, title and custom x-axis tick labels, etc.
def autolabel(rects):
for rect in rects:
height = rect.get_height()
ax.annotate('{}'.format(height),
xy=(rect.get_x() + rect.get_width() / 2, height),
xytext=(0, 3),# 3 points vertical offset
textcoords="offset points",
ha='center', va='bottom')
autolabel(rects1)
autolabel(rects2)
fig.tight_layout()
plt.savefig(r'E:\Data_resourses\DataCharm 公众号\Python\学术图表绘制\barplot05.png',dpi=600,bbox_inches = 'tight')
其中的labels、means_2006和means_2016 的值具体如下：
labels = ['生产总值', '第一产业增值', '第二产业增值', '第三产业增值', '工业增值', '建筑业增值']
means_2006 =
means_2016 =
制作效果如下：
如果大家觉得图的轴脊(spines)比较细，也可以通过如下代码进行更改：
linewidth = 2
for spine in ['top','bottom','left','right']:
ax.spines.set_linewidth(linewidth)
可以看到x轴的标签进行了自定义设置，同时也进行部分旋转，代码如下：
#设置坐标轴选旋转labelrotation=15
ax.tick_params(axis='x',labelsize=11,bottom=False,labelrotation=15)
#自定义x坐标轴标签
ax.set_xticks(x)
这里使用了中文宋体，字体的调用也比较简单，详细可以查看代码，或者看我之前的文章Python-matplotlib 学术散点图完善。
上述的图表对一般的期刊图表要求基本可以满足，打印时的效果也还不错。当然也可以使用纹理填充，涉及的主要参数为hatch 属性设置。主要绘图代码如下：
rects1 = ax.bar(x - width/2, means_2006, width, label='2006',ec='k',color='white',lw=.8,
hatch='...')
rects2 = ax.bar(x + width/2 + .05, means_2016, width, label='2016',ec='k',color='white',
lw=.8,hatch='***')
这里color设置为'white',边框颜色(edgecolor，ec)设置为'k'黑色，同时设置线宽lw=0.8,最后设置hatch 参数。结果如下：
可接受的类型如下：
如果需要让图案更加密集，可以多输入‘......’或者‘//////’，具体的密度根据自己的绘图需求进行调整。需要注意的时，如果输入‘\’，则需要进行转义处理，即输入'\\'。下面绘制不同填充纹理，结果如下：
rects1 = ax.bar(x - width/2, means_2006, width, label='2006',ec='k',color='white',lw=.8,
hatch='.....')
rects2 = ax.bar(x + width/2 + .05, means_2016, width, label='2016',ec='k',color='white',
lw=.8,hatch='//////')
rects1 = ax.bar(x - width/2, means_2006, width, label='2006',ec='k',color='white',lw=.8,
hatch='----')
rects2 = ax.bar(x + width/2 + .05, means_2016, width, label='2016',ec='k',color='white',
lw=.8,hatch='+++++')
rects1 = ax.bar(x - width/2, means_2006, width, label='2006',ec='k',color='white',lw=.8,
hatch='xxxx')
rects2 = ax.bar(x + width/2 + .05, means_2016, width, label='2016',ec='k',color='white',
lw=.8,hatch='oooo')
rects1 = ax.bar(x - width/2, means_2006, width, label='2006',ec='k',color='white',lw=.8,
hatch='||||')
rects2 = ax.bar(x + width/2 + .05, means_2016, width, label='2016',ec='k',color='white',
lw=.8,hatch='***')
统计直方图hist绘制
部分论文中出现对一组数据进行统计不同区间内的数据个数，这就需要绘制统计直方图，下面就进行此图的绘制，所使用的方法为plt 方法绘制，具体代码如下：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
plt.figure(figsize=(10,7))
bins = np.arange(0.0,1.6,0.1)
plt.hist(x=Nov_2017_data.values, bins=bins,color="#3F3F3F",alpha=0.85,edgecolor ='black',rwidth = 0.75)#,
#align = 'center')
plt.xticks(np.arange(0,1.7,0.1))
plt.yticks(np.arange(0.,1400,100))
plt.xlim(0.0,1.6)
plt.ylim(0.0,1300)
xminorLocator = MultipleLocator(0.05) #将x轴次刻度标签设置为0.05的倍数
yminorLocator = MultipleLocator(50) #将此y轴次刻度标签设置为50的倍数
ax=plt.gca()
#设置次刻度标签的位置,没有标签文本格式
ax.xaxis.set_minor_locator(xminorLocator)
ax.yaxis.set_minor_locator(yminorLocator)
#设置边框显示与否
ax.tick_params(direction='out',width=1.5,length=5,labelsize = 16) #默认为主刻度线
ax.tick_params(which = 'minor',width = 1.1,length = 3.5)
# 设置坐标刻度值的大小以及刻度值的字体
#plt.tick_params(labelsize=23)
labels = ax.get_xticklabels() + ax.get_yticklabels()
bwith =1.3
# ax.spines['top'].set_color('red')# 设置上‘脊梁’为红色
# ax.spines['right'].set_color('none')# 设置上‘脊梁’为无色
#去掉边框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
# ax.spines['bottom'].set_visible(False)
# ax.spines['left'].set_visible(False)
ax.spines['bottom'].set_linewidth(bwith)
ax.spines['left'].set_linewidth(bwith)
# ax.spines['top'].set_linewidth(bwith)
# ax.spines['right'].set_linewidth(bwith)
# 设置横纵坐标的名称以及对应字体格式
font1 = {'family': 'Times New Roman',
'weight': 'extra bold',
'size': 25,
}
plt.xlabel('Values', font1)
plt.ylabel('Number of cases', font1)
#添加文本
plt.text(0.52,.9,'Period:November 2017',transform=ax.transAxes,
fontdict={'size': 23,'family': 'Times New Roman','weight': 'extra bold'})
plt.savefig(r"P:\DataCharm\学术图标绘制\hist.png",width=10,height = 7,dpi=900,bbox_inches='tight')
plt.show()
主要涉及主次刻度及标签的设置，主要使用plt 方法绘制。结果如下：
R patternplot
相对于Python-matplotlib 绘制填充纹理而言，R-patternplot 包则可以更加灵活方便的绘制各种类型图表的填充样式。patternplot软件包是用于在R中创建美观且内容丰富的饼图，环形图，条形图和箱形图的工具。它可以用颜色或纹理或png中的任何外部图像填充饼图，环形图，条形图和箱形图或jpeg格式。下面列举几个图表案例，具体内容可以参考网址：https://cran.rproject.org/web/packages/patternplot/vignettes/patternplot-intro.html
library(patternplot)
library(png)
library(ggplot2)
data <- read.csv(system.file("extdata", "vegetables.csv", package="patternplot"))
#Example 1
pattern.type<-c('hdashes', 'vdashes', 'bricks')
pie1<-patternpie(group=data$group,pct=data$pct,label=data$label,
label.size=4, label.color='black',label.distance=1.3,pattern.type=pattern.type,
pattern.line.size=c(10, 10, 2), frame.color='black',frame.size=1.5, pixel=12, density=c(8, 8, 10))
pie1<-pie1+ggtitle('(A) Black and White with Patterns')
#Example 2
pattern.color<-c('red3','green3', 'white' )
background.color<-c('dodgerblue', 'lightpink', 'orange')
pie2<-patternpie(group=data$group,pct=data$pct,label=data$label, label.distance=1.3, pattern.type=pattern.type,
pattern.color=pattern.color,background.color=background.color,
pattern.line.size=c(10, 10, 2), frame.color='grey40',frame.size=1.5, pixel=12, density=c(8, 8, 10))
pie2<-pie2+ggtitle('(B) Colors with Patterns')
library(gridExtra)
grid.arrange(pie1,pie2,nrow = 1)
当然也可以以图片为底纹理：
library(patternplot)
library(ggplot2)
library(jpeg)
Tomatoes <-readJPEG(system.file("img", "tomatoes.jpg", package="patternplot"))
Peas <- readJPEG(system.file("img", "peas.jpg", package="patternplot"))
Potatoes <-readJPEG(system.file("img", "potatoes.jpg", package="patternplot"))
#Example 1
data <- read.csv(system.file("extdata", "vegetables.csv", package="patternplot"))
pattern.type<-list(Tomatoes,Peas,Potatoes)
imagepie(group=data$group,pct=data$pct,label=data$label,pattern.type=pattern.type,
label.distance=1.3,frame.color='burlywood4', frame.size=0.8, label.size=6,
label.color='forestgreen')+ggtitle('Pie Chart with Images')
还有其他样式：
更多案例，大家可以自己去官网进行查看。
文章来源于微信公众号：气象学家
页:
[1]