Opinionated:为你的数据可视化增添一抹优雅
2024-10-10 07:39:44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
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0127AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
229
2.28 K

仓颉编译器源码及 cjdb 调试工具。
C++
112
74

暂无简介
Dart
529
116

仓颉编程语言运行时与标准库。
Cangjie
122
91

仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
51
50

React Native鸿蒙化仓库
JavaScript
215
290

Ascend Extension for PyTorch
Python
70
101

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
990
586

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++
566
102