✅作者简介：在读博士，伪程序媛，人工智能领域学习者，深耕机器学习，交叉学科实践者，周更前沿文章解读，提供科研小工具，分享科研经验，欢迎交流！
个人主页： https://blog.csdn.net/allein_STR?spm=1011.2559.3001.5343
特色专栏：深度学习和WRF，提供人工智能方方面面小姿势，从基础到进阶，教程全面。
联系博主：博文留言+主页底部联系方式+WeChat code: Allein_STR
本文内容：介绍 ProPlot9大亮点+python代码
ProPlot是Matplotlib面向对象绘图方法(object-oriented interface)的高级封装，整合了cartopy/basemap地图库、xarray和pandas，可弥补Matplotlib的部分缺陷，ProPlot让Matplotlib爱好者拥有更加smoother plotting experience。
代码更简洁，图形更好看
将Matplotlib一行代码设置一个参数的繁琐行为直接通过format方法一次搞定，比如下图，
Proplot代码
import proplot as ppltfig, axs = pplt.subplots(ncols=2)axs.format(color='gray', linewidth=1) #format设置所有子图属性axs[0].bar([10, 50, 80], [0.2, 0.5, 1])axs[0].format(xlim=(0, 100), #format设置子图1属性 xticks=10, xtickminor=True, xlabel='foo', ylabel='bar')一个完整的使用案例：
import proplot as ppltimport numpy as npfig, axs = pplt.subplots(ncols=2, nrows=2, refwidth=2, share=False)state = np.random.RandomState(51423)N = 60x = np.linspace(1, 10, N)y = (state.rand(N, 5) - 0.5).cumsum(axis=0)axs[0].plot(x, y, linewidth=1.5)# 图表诸多属性可在format中设置axs.format( suptitle='Format command demo', abc='A.', abcloc='ul', title='Main', ltitle='Left', rtitle='Right', # different titles ultitle='Title 1', urtitle='Title 2', lltitle='Title 3', lrtitle='Title 4', toplabels=('Column 1', 'Column 2'), leftlabels=('Row 1', 'Row 2'), xlabel='xaxis', ylabel='yaxis', xscale='log', xlim=(1, 10), xticks=1, ylim=(-3, 3), yticks=pplt.arange(-3, 3), yticklabels=('a', 'bb', 'c', 'dd', 'e', 'ff', 'g'), ytickloc='both', yticklabelloc='both', xtickdir='inout', xtickminor=False, ygridminor=True,) 
更友好的类构造函数
将Matplotlib中类名书写不友好的类进行封装，可通过简洁的关键字参数调用。例如，mpl_toolkits.basemap.Basemap()、matplotlib.ticker.LogFormatterExponent()、ax.xaxis.set_major_locator(MultipleLocator(1.000))等等，封装后，
图形大小、子图间距自适应
proplot通过refwidth、refheight、refaspect、refheight、proplot.gridspec.GridSpec等控制图形大小和子图间距，替代Matplotlib自带的tightlayout，避免图形重叠、标签不完全等问题
案例：
proplot控制图形大小：
import proplot as ppltimport numpy as npstate = np.random.RandomState(51423)colors = np.tile(state.rand(8, 12, 1), (1, 1, 3))fig, axs = pplt.subplots(ncols=3, nrows=2, refwidth=1.7) #refwidth的使用fig.format(suptitle='Auto figure dimensions for grid of images')for ax in axs: ax.imshow(colors)# 结合上文第2部分看，使用proj='robin'关键字参数调用cartopy projections'fig, axs = pplt.subplots(ncols=2, nrows=3, proj='robin') axs.format(land=True, landcolor='k')fig.format(suptitle='Auto figure dimensions for grid of cartopy projections') 
proplot如何控制子图间距？
import proplot as ppltfig, axs = pplt.subplots( ncols=4, nrows=3, refwidth=1.1, span=False, bottom='5em', right='5em', wspace=(0, 0, None), hspace=(0, None), ) # proplot新的子图间距控制算法axs.format( grid=False, xlocator=1, ylocator=1, tickdir='inout', xlim=(-1.5, 1.5), ylim=(-1.5, 1.5), suptitle='Tight layout with user overrides', toplabels=('Column 1', 'Column 2', 'Column 3', 'Column 4'), leftlabels=('Row 1', 'Row 2', 'Row 3'),)axs[0, :].format(xtickloc='top')axs[2, :].format(xtickloc='both')axs[:, 1].format(ytickloc='neither')axs[:, 2].format(ytickloc='right')axs[:, 3].format(ytickloc='both')axs[-1, :].format(xlabel='xlabel', title='Title\nTitle\nTitle')axs[:, 0].format(ylabel='ylabel') 
4.多子图个性化设置
子图灵活设置坐标轴标签：sharex, sharey, spanx, spany, alignx和aligny参数控制，效果见下图(相同颜色比较来看)
子图灵活添加编号
import proplot as ppltimport numpy as npN = 20state = np.random.RandomState(51423)data = N + (state.rand(N, N) - 0.55).cumsum(axis=0).cumsum(axis=1)cycle = pplt.Cycle('greys', left=0.2, N=5)fig, axs = pplt.subplots(ncols=2, nrows=2, figwidth=5, share=False)axs[0].plot(data[:, :5], linewidth=2, linestyle='--', cycle=cycle)axs[1].scatter(data[:, :5], marker='x', cycle=cycle)axs[2].pcolormesh(data, cmap='greys')m = axs[3].contourf(data, cmap='greys')axs.format( abc='a.', titleloc='l', title='Title', xlabel='xlabel', ylabel='ylabel', suptitle='Quick plotting demo') #abc='a.'为各子图添加编号fig.colorbar(m, loc='b', label='label') 
子图灵活设置Panels
子图各自外观灵活自定义
import proplot as ppltimport numpy as npstate = np.random.RandomState(51423)# Selected subplots in a simple gridfig, axs = pplt.subplots(ncols=4, nrows=4, refwidth=1.2, span=True)axs.format(xlabel='xlabel', ylabel='ylabel', suptitle='Simple SubplotGrid')axs.format(grid=False, xlim=(0, 50), ylim=(-4, 4))# 使用axs[:, 0].format自定义某个子图外观axs[:, 0].format(facecolor='blush', edgecolor='gray7', linewidth=1) # eauivalentaxs[:, 0].format(fc='blush', ec='gray7', lw=1)axs[0, :].format(fc='sky blue', ec='gray7', lw=1)axs[0].format(ec='black', fc='gray5', lw=1.4)axs[1:, 1:].format(fc='gray1')for ax in axs[1:, 1:]: ax.plot((state.rand(50, 5) - 0.5).cumsum(axis=0), cycle='Grays', lw=2)# 使用axs[1, 1:].format自定义某个子图外观fig = pplt.figure(refwidth=1, refnum=5, span=False)axs = fig.subplots([[1, 1, 2], [3, 4, 2], [3, 4, 5]], hratios=[2.2, 1, 1])axs.format(xlabel='xlabel', ylabel='ylabel', suptitle='Complex SubplotGrid')axs[0].format(ec='black', fc='gray1', lw=1.4)axs[1, 1:].format(fc='blush')axs[1, :1].format(fc='sky blue')axs[-1, -1].format(fc='gray4', grid=False)axs[0].plot((state.rand(50, 10) - 0.5).cumsum(axis=0), cycle='Grays_r', lw=2) 
5.图例、colorbar灵活设置
图例、colorbar位置指定
图例、colorbar：On-the-fly，
图例、colorbar：Figure-wide
图例外观个性化：可轻松设置图例顺序、位置、颜色等等，
colorbar外观个性化：可轻松设置colorbar的刻度、标签、宽窄等，
6.更加优化的绘图指令
7、整合地图库Cartopy和basemap
Cartopy和basemap是Python里非常强大的地图库，proplot将cartopy和basemap进行了整合，解决了basemap使用需要创建新的axes、cartopy使用时代码冗长等缺陷。
个性化设置，
支持cartopy中的各种投影，’cyl’, ‘merc’, ‘mill’, ‘lcyl’, ‘tmerc’, ‘robin’, ‘hammer’, ‘moll’, ‘kav7’, ‘aitoff’, ‘wintri’, ‘sinu’, ‘geos’, ‘ortho’, ‘nsper’, ‘aea’, ‘eqdc’, ‘lcc’, ‘gnom’, ‘npstere’, ‘nplaea’, ‘npaeqd’, ‘npgnom’, ‘igh’, ‘eck1’, ‘eck2’, ‘eck3’, ‘eck4’, ‘eck5’, ‘eck6’
当然，也支持basemap中的各种投影，’cyl’, ‘merc’, ‘mill’, ‘cea’, ‘gall’, ‘sinu’, ‘eck4’, ‘robin’, ‘moll’, ‘kav7’, ‘hammer’, ‘mbtfpq’, ‘geos’, ‘ortho’, ‘nsper’, ‘vandg’, ‘aea’, ‘eqdc’, ‘gnom’, ‘cass’, ‘lcc’, ‘npstere’, ‘npaeqd’, ‘nplaea’。
8、更美观的colormaps, colors和fonts
proplot除了整合seaborn, cmocean, SciVisColor及Scientific Colour Maps projects中的colormaps之外，还增加了新的colormaps，同时增加PerceptualColormap方法来制作colormaps(貌似比Matplotlib的ListedColormap、LinearSegmentedColormap好用)，ContinuousColormap和DiscreteColormap方法修改colormaps等等。
proplot中可非常便利的添加字体。
proplot新增colormaps
PerceptualColormap制作colormaps
将多个colormaps融合
ContinuousColormap和DiscreteColormap方法修改colormaps
proplot添加字体
自定义的.ttc、.ttf等格式字体保存~/.proplot/fonts文件中。
9、全局参数设置更灵活
新的rc方法更新全局参数
import proplot as ppltimport numpy as np# 多种方法Update全局参数pplt.rc.metacolor = 'gray6'pplt.rc.update({'fontname': 'Source Sans Pro', 'fontsize': 11})pplt.rc['figure.facecolor'] = 'gray3'pplt.rc.axesfacecolor = 'gray4'# 使用Update后的全局参数：with pplt.rc.context法with pplt.rc.context({'suptitle.size': 13}, toplabelcolor='gray6', metawidth=1.5): fig = pplt.figure(figwidth=6, sharey='limits', span=False) axs = fig.subplots(ncols=2)N, M = 100, 7state = np.random.RandomState(51423)values = np.arange(1, M + 1)cycle = pplt.get_colors('grays', M - 1) + ['red']for i, ax in enumerate(axs): data = np.cumsum(state.rand(N, M) - 0.5, axis=0) lines = ax.plot(data, linewidth=3, cycle=cycle)# 使用Update后的全局参数：format()法axs.format( grid=False, xlabel='xlabel', ylabel='ylabel', toplabels=('Column 1', 'Column 2'), suptitle='Rc settings demo', suptitlecolor='gray7', abc='[A]', abcloc='l', title='Title', titleloc='r', titlecolor='gray7')# 恢复设置pplt.rc.reset() 
全局设置’ggplot’, ‘seaborn’的style
import proplot as ppltimport numpy as npstate = np.random.RandomState(51423)data = state.rand(10, 5)# Set up figurefig, axs = pplt.subplots(ncols=2, nrows=2, span=False, share=False)axs.format(suptitle='Stylesheets demo')styles = ('ggplot', 'seaborn', '538', 'bmh')# 直接使用format()方法for ax, style in zip(axs, styles): ax.format(style=style, xlabel='xlabel', ylabel='ylabel', title=style) ax.plot(data, linewidth=3) 
END
本篇到这里就结束了。想学习更多Python、人工智能、交叉学科相关知识，点击关注博主，带你从基础到进阶。若有需要提供科研指导、代码支持，资源获取或者付费咨询的伙伴们，可以添加博主个人联系方式！
码字不易，希望大家可以点赞+收藏+关注+评论！
来源：https://github.com/lukelbd/proplot
参考：https://mp.weixin.qq.com/s/8M5GRGj13hcfnnruqz7kmA
声明：部分内容来源于网络，仅供读者学术交流之目的。文章版权归原作者所有。如有不妥，请联系删除。