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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
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
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (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
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271