轻松实现科研绘图。

当撰写在学术期刊上发表的文章时，图表的布局和风格应符合预定义的格式要求，这样可以确保该出版物的所有文章都具有一致的风格，并且任何包含的图表在打印时都是高质量的。

Python在科学界广泛使用并提供了创建科学绘图的好方法。然而当使用Python中最流行的绘图库之一matplotlib时默认的图表质量较差，需要进行调整以确保满足要求。更改matplotlib图形的样式可能非常耗时，这就是scienceplots库派上用场的地方。只需几行代码就可以立即改变图形的外观而无需花费太多时间来研究。

如何更改图形的不同部分？scienceplots该库允许用户创建简单信息丰富的图表，类似于学术期刊和研究论文中的图表，不仅如此它还将所需的DPI设置为600。(对于某些样式)这通常是出版物的要求，以确保打印出高质量的印刷图形。

scienceplots库包含多种样式，包括对多种语言的支持包括中文和日文等。可以通过下面的链接探索science71211中的全部样式。在本视频中将探讨如何将一些基本和常见的数据可视化转换为可以，包含在科学出版物中的形式设置scienceplots。

在使用science画笔库创建绘图之前，需要确保计算机上安装了LaTeX。LaTeX是一种排版系统专为创建技术和科学文档而设计。如果你的计算机上尚未安装LaTeX可以在如下两个链接中找到有关LaTeX以及如何安装它的更多详细信息。

如果正在使用Google Colab，则可以在单元格中运行代码来安装LaTeX。在设置好LaTeX之后可以使用pip安装scienceplots库，在选择的平台上安装了库和LaTeX之后，就可以导入scienceplots库以及matplot··创建用于绘图的虚拟数据。在生成一些图表之前首先需要创建一些样本数据。我们将在本视频的后面部分展示science plots库如何处理现实世界的数据。

对于本视频的这一部分，现在将使用np.linspace创建一些线性间隔的值，然后对该数据进行一些随机的数学计算。一旦创建了数据(或者如果从csv文件中加载数据，则将其加载到pandas中)就可以开始创建绘图了。

我们将首先处理的是折线图，可以通过使用matplotlib的.plot(函数并传入x和y参数的必需数据来轻松创建此图表。由于处理的是从方程中派生的变量，因此有时将这些变量包含在图例中，对于读者理解它们可能很方便。

Matplotconfig的好处是可以使用LaTeX方程作为标签，我们只需要用美元符号($)将方程括起来即可。当运行代码时会得到带有标准颜色的基本Matplotlib图像，尽管上图看起来可用但它的质量(dpi和大小)以及样式可能并不完全适合在期刊中发表。

应用Science·s样式到线型图，要立即转换图像可以添加一行代码：使用with语句调用Matplotlib的style.context函数，并允许传入Science·plus提供的众多可用样式之一。

当运行代码时将得到更适合于期刊发表的绘图，该图形简洁(即没有多余的图表元素)并且很容易区分不同的线条。此外在Jupyter Notebook中查看此图形时，它可能会显示得非常大。即使我们设置了相对较小的图形尺寸，这是因为图形的DPI被设置为600，这通常是许多出版物的要求，并确保图形尽可能清晰然后尝试应用另一种样式。

这次将使用电气和电子工程师学会(IEEE)的样式，要做到这一点只需要将high-vis替换为ieee即可改变样式。当运行上述代码时将得到以下使用IEEE推荐样式的绘图。

使用Science·s绘制直方图，在前面的示例中本视频探讨了如何将样式应用于线性图，但是也可以将相同的样式应用于其他类型的绘图。接下来尝试如何将这种样式应用于直方图。

首先使用以下代码创建一个Matplotlib图形，使用一些伽马射线(地质形态的自然放射性测量)数据。为了显示第二个数据集本视频将同样的数据向右调，整了20个API单位。伽马射线测量的简单MatplotQUA直方图，可以注意到它使用了MatplotQUA直方图，并且看起来非常基础两个数据集互相重叠，这导致一些信息被隐藏。

现在查看一下IEEE样式如何改变这种情况，当运行上述代码时将得到以下使用IEEE样式的图形。然而第二个伽马射线数据集仍然遮挡了第一个数据集。

也许本视频对Science Plots库能够处理任何重叠并自动应用透明度抱有过高的期望。然而为此需要付出一点努力，只需要为每个数据集添加alpha参数即可。在这个图形中可以看到两个数据集的条形的变化。建议检查所需发表的期刊的样式指南以确保使用透明度是可接受的。在大多数情况下应该是可以的但最好进行确认。

应用Science Petitlee图形，不仅可以将science Posit库中的样式应用于matplotlib图形，还可以将其应用于Seaborn图形。这是因为Seaborn基于matplotlib代码开发，在创建图形时有时Seaborn提供了比matplotlib更简单的绘图方式。

例如当有一个基于文本的分类变量时我们希望能够绘制该变量，而不必为每个类别添加单独的散点图。在这个例子中有一些中子孔隙度和堆积密度数据，这是常见的测井测量。

对于每个测量还有一个岩性类别，这个数据集来源于Force2020Xeek机器学习竞赛数据集，详细信息可以在文章末尾找到。首先需要在笔记本中导入seaborn，导入seaborn库后可以使用以下代码创建散点图，当运行上面的代码时会得到数据按不同岩性着色的散点图，看起来还不错。然而需要确保样式适合预期的期刊并且颜色对所有读者都可访问和使用。

要应用science画笔样式可以使用与之前相同的语法：当运行上面的代码时会得到以下具有改进样式的图，包括新的调色板。5Seaborn散点图使用science shortcut，显示堆积密度与终止孔隙度按岩性变化着色。选择图形的调色板可能会很棘手且耗时。然而经过一些思考它可以使图形对具有视觉问题的读者更易访问和理解。此外一些颜色在黑白打印时可能不容易区分，因此可以考虑为不同类别分配不同的形状，这对于从实验室过程中获得的小型数据集中尤为重要。

在本视频中探讨了如何快速将基本的matplot面糊图形转化为可以轻松添加到科学出版文章中的形式，这些图形可能仍然需要进一步调整，但通过使用science球形库可以实现大部分需求。另外建议查看所选择期刊的作者工具包，以确保创建的图形符合要求的标准。推荐书单《Python从入门到精通(第3版)》。

本书从初学者角度出发通过通俗易懂的语言丰富多彩的实例，详细介绍了使用Python进行程序开发应该掌握的各方面技术。全书共分27章，包括初识PythonPython语言基础，运算符与表达式流程控制语句，列表和元组字典和集合字符串Python中使用正则表达式，函数面向对象程序设计模块文件及目录操作，操作数据库使用进程和线程，网络编程异常处理及程序调试Pygame游戏编程。

推箱子游戏网络爬虫开发火车票分析助手，数据可视化京东电商销售数据分析与预测Web编程Flask框架e起去旅行网站Python自动化办公AI图像识别工具等内容。书中所有知识都结合具体实例进行介绍，涉及的程序代码都给出了详细的注释。

读者可轻松领会Python程序开发的精髓快速提升开发技能。