- 一、一键合并多子图?!patchworklib是真好用
前言
今天是我的可视化课程上线的第239天,目前学员420人,每篇原创公众号都会记录这个人数,用来督促和激励我的原创内容。目前课程的主要方向是 科研、统计、地理相关的学术性图形绘制方法,后续也会增加商务插图、机器学等、数据分析等方面的课程。课程免费新增,这点绝对良心!
今天是我的可视化学习社群上线的第20天,目前学员124人,可视化学习社区以我的书籍《科研论文配图绘制指南-基于Python》为基础进行拓展,提供课堂式教学视频,还有更多拓展内容,可视化技巧远超书籍本身,书籍修正和新增都会分享到圈子里面(双十二进群就送作者签名版纸质书籍)~~
参与课程或者圈子的你将获取到:学员答疑、可视化资源分享、可视化技巧补充、可视化业务代做(学员和甲方对接)、副业交流、提升认知等等。
一键合并多子图?!patchworklib是真好用
有圈友向我提问,详细问题如下:
Python在可视化绘图这块虽然没有像R语言那样具有丰富的拓展工具包,但只要掌握核心的几个绘图工具包就可以完成99%的绘图任务啦!
既然有圈友提问,这边小编就给大家推荐一个非常好用Python语言中的的子图合并工具-「Patchworklib」,详细介绍如下:
Patchworklib 是matplotlib 相关绘图(简单 matplotlib 绘图、Seaborn 绘图(轴级和图级)以及 plotnine 绘图)的通用合成器。该工具包的灵感来自 ggplot2 的 patchwork。因此,用户只需使用 / 和 | 操作符即可轻松对齐 图形对象。Patchworklib比matplotib默认子图拼接方式subplot_mosaic 更直接、更灵活。
「PS」:Seaborn、Plotnine绘图对象都是可以直接拼接的。同时也支持最新版的Seaborn哦~
import patchworklib as pw
import seaborn as sns
fmri = sns.load_dataset("fmri")
ax1 = pw.Brick(figsize=(3,2))
sns.lineplot(x="timepoint", y="signal", hue="region", style="event", data=fmri, ax=ax1)
ax1.legend(bbox_to_anchor=(1.05, 1.0), loc='upper left')
ax1.set_title("ax1")
titanic = sns.load_dataset("titanic")
ax2 = pw.Brick(figsize=(1,2))
sns.barplot(x="sex", y="survived", hue="class", data=titanic, ax=ax2)
ax2.move_legend(new_loc='upper left', bbox_to_anchor=(1.05, 1.0))
ax2.set_title("ax2")
ax12 = ax1|ax2
ax12.savefig("ax12.png")
更多关于Patchworklib包中的 | 和 / 语法操作,读者可参考:Patchworklib官网[1]
「PS」:更多关于Patchworklib包具体案例和其他实际使用场景,会陆续更新在我们的学习圈子中,感兴趣的读者可以和我们一起学习进步呀~~
可视化学习圈子是干什么的?
科研论文配图书籍学习圈子主要通过以下几个方面,给大家带来比纸质书籍更丰富的学习内容:
「PS」:我们直播教学内容为课堂式教学,原作者带着大家对书籍一章、一节、一页的进行教学。而且直播的视频都会通过剪辑后整理成课程,圈子中的同学可以免费、反复观看。当然,新增内容和定期答疑,直播也是如此。
为何会有这个书籍学习社群?无门槛的微信群难免会鱼龙混杂,问题和质量都无法得到保证,而且一些关键问题经常被淹没,且没有沉淀价值。
随着添加我微信的人日益增多,向我提问的人也越来越多,随便回答一下就太不负责任了;不回答也不是很好;如果都仔细回答,我也有自己的工作并且确实很忙,真的有点心有余而力不足!所以我才会建立这么一个渠道来沉淀我的可视化技巧和分享经验,以及给大家提供一个坚持学习的平台。
双十二预售钜惠
对本公众号的读者,我们前50名订阅的直接减50元,也就是「249元/年」,再加一本作者签名版书籍。
「!!就50份,数量有限!先到先得哦!」
PS:签名版邮寄,偏远地区不包邮哈。
微信扫码下方二维码就可以直接订阅啦,喜欢的同学这次千万不要错过啦!
「活动时间」:11月30日-12月12日
订阅之后添加助教老师微信,拉你进圈子成员群哈:
系统学习可视化
当然,在学习数据可视化的道路上,你也有很多问题得不到解答,也可以加入我们的可视化课程(可视化系列课程推文)后,在学员群里和大家一起谈论,一起进步,或者直接向我提问。如果我觉得你的问题很具有普适性,我会把它写成文章发布在公众号上,让更多人看到,有关我们数据可视化系列课程的服务内容,可以参考下面的 阅读原文。
猜你喜欢
参考资料
[1]Patchworklib官网: https://github.com/ponnhide/patchworklib。