Opinionated:为你的数据可视化增添一抹优雅
2024-10-10 06:09:52作者:江焘钦
在数据科学的世界里,数据可视化不仅仅是展示数据的工具,更是讲述故事的艺术。为了让你的图表更具吸引力和专业性,我们推荐一款名为Opinionated的开源项目。它为matplotlib和seaborn提供了简洁、优雅的样式表,让你的图表瞬间提升一个档次。
项目介绍
Opinionated是一款专为matplotlib和seaborn设计的样式表库。它的灵感来源于R语言中的hrbrthemes,旨在提供一种以排版为中心、具有强烈个人风格的图表样式。虽然Opinionated并非hrbrthemes的精确克隆,但它继承了其简洁、优雅的设计理念,并结合了Python社区的优秀实践。
项目技术分析
Opinionated的核心功能是通过预定义的样式表来美化matplotlib和seaborn的图表。它不仅提供了多种字体选择,还自动从Google Fonts下载字体,确保在Google Colab等环境中也能正常使用。此外,Opinionated还集成了colormaps库,为用户提供了丰富的颜色映射选择。
项目及技术应用场景
Opinionated适用于各种需要高质量数据可视化的场景,尤其是在以下情况下:
- 学术研究:在论文或报告中展示数据时,使用
Opinionated可以让你的图表更具专业性和美观性。 - 数据分析:在数据分析过程中,使用
Opinionated可以快速生成美观的图表,提升分析报告的可读性。 - 教育培训:在教学或培训中,使用
Opinionated可以让学生更容易理解数据,提升教学效果。
项目特点
- 简洁易用:只需几行代码,即可应用
Opinionated的样式表,无需复杂的配置。 - 丰富的字体选择:内置多种字体样式,满足不同场景的需求。
- 自动字体下载:自动从Google Fonts下载字体,确保在各种环境中都能正常使用。
- 集成
colormaps库:提供了丰富的颜色映射选择,让你的图表更加丰富多彩。 - 灵活定制:支持用户自定义字体和样式,满足个性化需求。
使用示例
以下是一个简单的使用示例,展示了如何使用Opinionated来美化你的图表:
import opinionated
import matplotlib.pyplot as plt
plt.style.use("opinionated_rc")
import colormaps as cmaps
f, ax = plt.subplots(figsize=(10, 7))
sns.scatterplot(x="bill_length_mm", y="flipper_length_mm", hue="species", data=penguins, alpha=.7, s= 70, palette=cmaps.bold[2:5]._colors)
opinionated.add_legend(title='Species')
opinionated.add_attribution('by Maximilian Noichl')
opinionated.set_title_and_suptitle('Penguins!','They are an excellent type of bird!')
plt.show()
通过上述代码,你可以轻松生成一个美观的散点图,让你的数据可视化更具吸引力。
结语
Opinionated是一款简单而强大的工具,它能让你的数据可视化工作变得更加轻松和愉快。无论你是数据科学家、研究人员还是教育工作者,Opinionated都能为你的图表增添一抹优雅,让你的数据故事更加生动。赶快尝试一下吧!
项目地址: Opinionated GitHub
引用信息:
APA:
Noichl, M. (2023). Opinionated: Simple, Clean Stylesheets for Plotting with Matplotlib and Seaborn (Version 0.0.2.8) [Computer software]. https://doi.org/10.5281/zenodo.8329780
BibTeX:
@software{Noichl_Opinionated_Simple_Clean_2023,
author = {Noichl, Maximilian},
doi = {10.5281/zenodo.8329780},
month = aug,
title = {{Opinionated: Simple, Clean Stylesheets for Plotting with Matplotlib and Seaborn}},
url = {https://github.com/MNoichl/opinionated},
version = {0.0.2.8},
year = {2023}
}
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253