Par défaut, matplotlib a un fond blanc pur comme indiqué dans l'image ci-dessous, et si vous le regardez pendant longtemps, cela vous fera mal aux yeux, donc je veux le changer en une couleur différente. J'ai entendu dire que vous pouvez utiliser la feuille de style prédéfinie, donc je vais écrire comment l'utiliser facilement.
import
python
import matplotlib.pyplot as plt
python
plt.style.available
Vous pouvez obtenir une liste des feuilles de style disponibles sous forme de tableau. Le contenu du tableau est le suivant.
python
['bmh',
'classic',
'dark_background',
'fast',
'fivethirtyeight',
'ggplot',
'grayscale',
'seaborn-bright',
'seaborn-colorblind',
'seaborn-dark-palette',
'seaborn-dark',
'seaborn-darkgrid',
'seaborn-deep',
'seaborn-muted',
'seaborn-notebook',
'seaborn-paper',
'seaborn-pastel',
'seaborn-poster',
'seaborn-talk',
'seaborn-ticks',
'seaborn-white',
'seaborn-whitegrid',
'seaborn',
'Solarize_Light2',
'tableau-colorblind10',
'_classic_test']
Le noir est plus frais, donc le dark_background
a l'air bien.
python
plt.style.use('dark_background')
Après avoir appliqué le style dans cette ligne en premier, tout ce que vous avez à faire est de dessiner un graphique ou d'afficher une image comme d'habitude.
Dans un tel cas, la courbe sinusoïdale et le prix du marché sont fixes, alors dessinons-la et vérifions-la.
python
import numpy as np
x = np.linspace(0, 2*np.pi, 200)
y = np.sin(x)
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(x, y)
pense que c'est bon.
Cependant, je trouve que c'est un peu trop noir.
Je suis un peu inquiet que le nom de fichier de cette image soit dark_sin.png
et qu'il soit trop péché.
Je n'avais pas l'intention de créer ma propre feuille de style, mais je vais jouer un peu avec.
Vous pouvez trouver le dossier contenant la feuille de style en descendant vers Lib / site-packages / matplotlib / mpl-data / stylelib /
depuis le dossier python. Il y a un fichier appelé dark_background.mplstyle
dedans. Ouvrez. Le contenu est le suivant.
dark_background.mplstyle
# Set black background default line colors to white.
lines.color: white
patch.edgecolor: white
text.color: white
axes.facecolor: black
axes.edgecolor: white
axes.labelcolor: white
axes.prop_cycle: cycler('color', ['8dd3c7', 'feffb3', 'bfbbd9', 'fa8174', '81b1d2', 'fdb462', 'b3de69', 'bc82bd', 'ccebc4', 'ffed6f'])
xtick.color: white
ytick.color: white
grid.color: white
figure.facecolor: black
figure.edgecolor: black
savefig.facecolor: black
savefig.edgecolor: black
Comme vous pouvez le voir, ce n'est pas si difficile, seules les couleurs sont attribuées à chaque élément.
Si vous remplacez tous les «noirs» de ce fichier par un autre noir légèrement plus doux, vous obtiendrez probablement la feuille de style souhaitée.
Regardez la liste des codes de couleur et sélectionnez une couleur appropriée.
Il semble que 2e2e2e
est juste, alors copiez ce fichier et remplacez tout noir
par 2e2e2e
et enregistrez-le dans le même dossier avec un nom de fichier tel que gray_background.mplstyle
.
gray_background.mplstyle
# Set 2e2e2e background default line colors to white.
lines.color: white
patch.edgecolor: white
text.color: white
axes.facecolor: 2e2e2e
axes.edgecolor: white
axes.labelcolor: white
axes.prop_cycle: cycler('color', ['8dd3c7', 'feffb3', 'bfbbd9', 'fa8174', '81b1d2', 'fdb462', 'b3de69', 'bc82bd', 'ccebc4', 'ffed6f'])
xtick.color: white
ytick.color: white
grid.color: white
figure.facecolor: 2e2e2e
figure.edgecolor: 2e2e2e
savefig.facecolor: 2e2e2e
savefig.edgecolor: 2e2e2e
Si vous rouvrez le shell et vérifiez avec plt.style.available
, gray_background
est nouvellement ajouté.
Tracez la courbe sinusoïdale comme dans l'exemple.
python
import numpy as np
x = np.linspace(0, 2*np.pi, 200)
y = np.sin(x)
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(x, y)
Maintenant, c'est assez gris.
Même si vous souhaitez appliquer votre propre style comme celui-ci, en gros, si vous apportez des modifications mineures à votre goût en vous référant à la feuille de style prédéfinie, cela ne demandera pas beaucoup d'efforts.
Recommended Posts