用 Python 畫如此漂亮的專業插圖 ？簡直 So easy！

正文

##大家好，我是Python人工智慧技術

方法一     

#強烈推薦Python 的繪圖模組matplotlib: python plotting 。畫出來的圖真的是高端大氣上檔次，低調奢華有內涵~ 適用於從 2D 到 3D，從標量到向量的各種繪圖。能夠保存成從 eps, pdf 到 svg, png, jpg 的多種格式。而 Matplotlib 的繪圖函數基本上都與 Matlab 的繪圖函數名字都差不多，遷移的學習成本比較低。開源免費。如圖所示（題目描述中的圖在最後）：（以下圖片皆引用自Thumbnail gallery ）

像是這種普通的函數圖象：

plt.fill(x, y1, 'b', x, y2, 'r', alpha=0.3)

以及這個Scatter 圖（中文不知道該怎麼說…）：

plt.scatter(x, y, s=area, alpha=0.5)

精緻的曲線，半透明的配色。顯出你那高貴冷豔的X格，最重要的是只需一行程式碼就能搞定。從此再也不用忍受 Matlab以及GNUPlot 中那蛋白的配色了。

想畫 3D 資料？沒有問題(用mayavi可能比較方便)：

ax.plot_surface(X, Y, Z, rstride=8, cstride=8, alpha=0.3)
cset = ax.contourf(X, Y, Z, zdir='z', offset=-100, cmap=cm.coolwarm)
cset = ax.contourf(X, Y, Z, zdir='x', offset=-40, cmap=cm.coolwarm)
cset = ax.contourf(X, Y, Z, zdir='y', offset=40, cmap=cm.coolwarm)

四行程式碼你就能擁有（後三行是畫座標平面上的等高線，嚴格的額說還是一行）。

除此之外，不過你是向量場，網路還是什麼奇葩的需求都能夠搞定：

plt.streamplot(X, Y, U, V, color=U, linewidth=2, cmap=plt.cm.autumn)
plt.colorbar()

plt.triplot(x, y, triangles, 'go-')
plt.title('triplot of user-specified triangulation')
plt.xlabel('Longitude (degrees)')
plt.ylabel('Latitude (degrees)')

ax = plt.subplot(111, polar=True)
bars = ax.bar(theta, radii, width=width, bottom=0.0)

這還沒完，Matplotlib 也支援Latex公式的插入，當別人畫的圖還是這個樣子的時候（以下圖片引用自Matplotlib Tutorial(譯) )

你能夠把它變成這個樣子：

如果再搭配上IPython 作為運行終端（這張圖是自己繪製的~）：

簡直就是神器啊，有木有！

心動不如行動，還等什麼？

經文@許銠同學提醒，再補充一句，matplotlib 還可以話xkcd 風格的圖呦~

（圖片引用自網路）

此外結合IPython Notebook 後更多精彩內容，請看http://nbviewer.ipython.org/

如果嫌安裝麻煩且剛好在Windows 系統下的話可以嘗試Python的一個發行版winpython - Portable Scientific Python 2/3 32/64bit Distribution for Windows。

鑑於@van li同學質疑matplotlib 是否能畫出題目中所示的圖像，我在這裡將題目中的圖像用matplotlib 畫出來如下：

#程式碼在此：

https://gist.github.com/coldfog/c479124328fc6bb8b789

#程式碼在此：

https://gist.github.com/coldfog/5da63a6958fc0a949b52

#

看到楼下有人说配色和好看，唉....那我也贴几个吧...只不过当初限于篇幅没有写而已。另外，搜索公众号顶级python后台回复“进阶”，获取一份惊喜礼包。

首先，python有一个专门的配色包jiffyclub/brewer2mpl，提供了从美术角度来讲的精美配色（戳这里感受ColorBrewer: Color Advice for Maps）。

此外还有一些致力于美化绘图的库，用起来也都非常方便，比如olgabot/prettyplotlib 。

废话不多说，上图就是王道。（下面图片来源网络）

有人可能会说需要复杂的设置，其实也不用。比如上边这幅图，只需要多加一个参数就好：

cmap=brewer2mpl.get_map('RdBu', 'diverging', 8, reverse=True).mpl_colormap,

楼下说到统计绘图。嘛seaborn 是一个调用 matplotlib 的统计绘图库，上图：

(https://github.com/mwaskom/seaborn)

代码一行，后边的几乎都是一行，没做其他设置，默认就这样。我就不贴其他的代码了：

g = sns.jointplot(x1, x2, kind="kde", size=7, space=0)

还有个更炫酷的可交互式绘图，大家自己戳开看吧：

http://nbviewer.ipython.org/github/plotly/python-user-guidechaocc/blob/master/s0_getting-started/s0_getting-started.ipynb

遇到安装问题的请尝试Anaconda这个Python发行版。下载安装后直接使用即可，它几乎预装了所有要用到的科学计算及可视化的库。

有盆友在评论里说希望能有完整的教程，确实就这个答案来说，离实际使用还有很大的距离，网上相关的中文资料也不多。不过真要写起来这个答案也装不下，况且写在这个问题下也不是很恰当。等到那天我有专栏了再说吧，到时候也许会写一个关于可视化的系列教程。

方法二

翻遍这个问题下的所有回答，发现凡是提到Matlab的，其评价中常有‘锯齿’，‘菜鸟’，‘难看’，‘不忍直视’等标签。

然而，2020年了，技术提升了，观念进步了，当一些基本问题解决后，Matlab还那么‘不堪’吗？

观察Mathematica、Origin、Python/matplotlib、R/ggplot2等软件绘制的数据、结果图，其与Matlab图的差异主要体现在点、线、面等对象属性（位置、尺寸、颜色等）的不同上。

既然只是属性的不同，那是不是只要修改一下这些信息，就可以实现各种软件绘图风格之间的转换了呢？

答案是肯定的。

比如，这是高赞回答 @冯昱尧用Python/matplotlib绘制的一幅图：

我们用Matlab默认属性来绘制，效果是这样的（没加误差棒）：

然後，只需再修改一下位置、尺寸、顏色等信息，就可以得到風格差不多的圖（沒加誤差棒）：

當我們用這個想法來思考該如何繪製插圖時，就很容易實現自己的小想法，仿造甚至創造出理想的插圖。

例如，某一天，發現傍晚的天空顏色很美，心想：為什麼不能把它畫到論文插畫裡呢？ （見：Matlab論文插畫配色2－自然漸層）

於是，

# #再例如，某一天，看到女朋友的照片，覺得很美，心想：為什麼不能把她畫到論文插圖裡呢？ （見：Matlab論文插畫配色1－是女朋友的顏色）

於是，

這時，有朋友就要說了：「哎呀答主，你整這些個花里花哨的東西，還不是得一行代碼一行代碼的敲出來啊，太麻煩了吧。」

##此言差矣。

就像R有ggplot2，Python有matplotlib，Matlab其實也有很多現成的繪圖工具包，並不需要你自己開發。

例如，

Pierre Morel [1] 結合ggplot2，開發了gramm工具，用於繪製複雜圖形。

Inspired by ggplot2 (Wickham 2009), the R implementation of “grammar of graphics” principles (Wilkinson 1999), gramm improves Matlab's plotting functionality, 1999), gramm improves Matlab's plotting functionality, 3allowing to gene 庫code.

範例效果如下：

###############類似的，Stephen Cobeldick [2] 將matplotlib配色方案移植到了Matlab。 #########也就是說，在Matlab中就可以直接用matplotlib的配色方案了，就不必總是‘jet’了。 #########The MatPlotLib 2.0 default colormaps ported to MATLAB. This submission also includes the Line ColorOrder colormaps!#########範例效果如下：###################################################################################################################################################################################### #####

還有很多專門針對論文插畫的工具包，這裡就不一一介紹了。

總的來說，工具只是工具，它們並沒有高低貴賤之分。

若想畫出好看的插圖，關鍵還是在於使用工具的人。

集中一點，登峰造極。

參考：

#https://www.php.cn/link/b3ddb7c5b10be95dbc3f9152c58becce

https://www.php.cn/link/171ae1bbb81475eb96287dd78565b38b

###

以上是用 Python 畫如此漂亮的專業插圖 ？簡直 So easy！的詳細內容。更多資訊請關注PHP中文網其他相關文章！