Paramètres japonais pour les axes matplotlib et Seaborn

Si vous voulez dessiner un graphe en Python pour le moment, vous utiliserez probablement matplotlib. Cependant, il y a trop d'API de configuration pour décider laquelle utiliser, et la palette de couleurs par défaut ne semble pas satisfaisante. Seaborn peut résoudre certains de ces problèmes. L'article suivant sera utile pour des exemples spécifiques.

• Beau dessin graphique avec python - Analyse des données et progression de la visualisation avec seaborn Partie 1 --Qiita
• Beau dessin graphique avec python-Analyse des données et progression de la visualisation avec seaborn Part 2-Qiita

Dans le cas d'un calcul numérique pur, les axes vertical et horizontal sont souvent des nombres et des dates, mais en fonction de l'ensemble de données, le japonais peut être traité. Les paramètres de police sont nécessaires pour utiliser le japonais pour les étiquettes et le texte. Plusieurs articles peuvent être utiles sur ce problème.

• Japonais avec matplotlib --Qiita
• Dessinez un graphique en utilisant des étiquettes japonaises avec Jupyter --Qiita
• [Seaborn] Afficher le japonais (changer la police) --Qiita

Alors, quel est votre environnement après tout? Il y a beaucoup de choses auxquelles je pense, j'ai donc rendu possible l'affichage d'un carnet de confirmation avec nbviewer. L'environnement est basé sur [jupyter / datascience-notebook] de Docker (https://hub.docker.com/r/jupyter/datascience-notebook/) et [IPA font](http: //ipafont.ipa. go.jp/) est placé. Le principe est le même pour les autres polices et plates-formes.

• matplotlib font listing

matplotlib.font_manager a les classes «FontManager» et «FontProperties». En les combinant, vous pouvez vérifier la liste des polices valides sur la plate-forme actuelle, et si la police japonaise que vous souhaitez cibler est valide, il semble que ce soit la plus courte pour l'activer globalement avec set () de Seaborn.

Liste des polices valides

Obtenez une liste de polices via * font_manager *, remplissez-la dans un bloc de données, puis effectuez une recherche conditionnelle.

Importation de module

import matplotlib.font_manager as fm
import pandas as pd

Liste des polices

fonts = fm.findSystemFonts()
# len(fonts) =>Il devrait y en avoir plus de 100

Emballage dans des trames de données

l = []
for f in fonts:
    font = fm.FontProperties(fname=f)
    l.append((f, font.get_name(), font.get_family()))
df = pd.DataFrame(l, columns=['path', 'name', 'family'])

Confirmez que la police IPA existe

df[df['path'].apply(lambda s: 'IPA' in s)]

Vous devriez obtenir une sortie comme celle-ci.

Le fichier de police a été copié au préalable dans le conteneur Docker. Téléchargez et extrayez les fichiers ZIP manuellement.

Copie du fichier de police

$ docker exec notebook cp -r /dataset/IPAfont00303 /usr/share/fonts/truetype

Dessiner un graphique

Dessinez un graphique en utilisant respectivement les API matplotlib et Seaborn.

Importation de module

%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns

L'étiquette de l'axe vertical est définie avec * ylabel () *. Cette fonction prend la même chose que * text () * comme argument de mot-clé facultatif. Si vous cochez matplotlib.pyplot.text, vous pouvez voir qu'il peut être écrasé par le dictionnaire * fontdict *.

Définir la police japonaise pour l'étiquette de l'axe vertical

plt.plot([1,2,3,4])
plt.ylabel('Valeur numérique', fontdict={'family': 'IPAPGothic'})
plt.show()

• ylabel () * peut également accepter matplotlib.text.Text comme argument de mot-clé. Il reçoit * fontproperties * et * rotation * pour un contrôle plus fin. La configuration de ces surcharges est une partie déroutante, et il y a aussi une partie qui hérite de matplotlib.rcParams. S'il est possible de faire des réglages détaillés dans certaines parties, il est indéniable qu'il est difficile de s'y tenir.

Puis dessinez le graphique dans Seaborn. Utilisez seaborn.axes_style pour le style d'axe. Cette fonction peut également être utilisée avec l'instruction with. Autrement dit, vous pouvez définir le style de chaque graphique. Cependant, en réalité, il est plus probable que vous utilisiez le même style dans un seul notebook seaborn.set. Vous utiliserez .set). Il propagera ce que vous spécifiez dans l'attribut * font * aux paramètres de l'axe.

set()Appelez et dessinez avec Seaborn

data = pd.DataFrame([1, 2, 3, 4], columns=['Valeur numérique'])
sns.set(font=['IPAPGothic'])
sns.jointplot(x='Valeur numérique', y='Valeur numérique', data=data, xlim=(0, 5), ylim=(0, 5))

Je pense qu'il y a de bonnes et de mauvaises choses, mais le paramètre Seaborn écrase également le paramètre matplotlib. Si vous dessinez à partir de matplotlib dans le même cahier que précédemment, mais sans jeu de polices, l'axe japonais sera affiché normalement. Cela peut être utile lorsque vous souhaitez modifier d'un seul coup les styles de graphiques existants.

set()Dessiner avec matplotlib après avoir appelé

plt.plot([1,2,3,4])
plt.ylabel('Valeur numérique')
plt.show()