前文的两个案例虽用的都是虚拟数据集，但都有一定的针对性，案例 水果分类（香蕉、苹果大战） 中，讨论了一个分类问题，并对散点图、直方图、箱线图和等比例子图的应用做了探讨；案例 多元线性回归 中，讨论了一个回归问题，并对散点图能最大限度可视化数据的维度做了探讨；以上案例涉及算法的部分，如有难度，可自行忽略，因为本系列主要是针对可视化的，案例的目的是为了赋予一个场景，方便对可视化内容的直观理解。

本文通过复现1张学术论文图及3张商业周刊图，加深对面积图、折线图、填充图等绘图对象及不等比例子图、栅格子图合并内容的理解。

涉及到的绘图对象传送门：

折线图、面积图、填充图

涉及到的子图内容传送门：

不等比例栅格子图

子图对象（坐标轴、刻度、轴标题）设置

本文的运行环境为 jupyter notebook

python版本为3.7

本文所用到的库包括

%matplotlib inline
from matplotlib.ticker import AutoMinorLocator
from matplotlib.gridspec import GridSpec
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

复现图表简介

案例一来源于一篇学术论文：

参考文献

PRABHU T S, FLORIAN M, THIJS V, et al. Optimizer benchmarking needs to account for hyperparameter tuning[J]. arXiv Preprint arXiv, 2019．

该论文研究了超参数优化资源投入影响优化器的性能。作者展示了各优化器下，超参数优化资源投入与找到优化器超参数配置概率的关系。通过图表可以发现，投入越高，调优更多的超参数就越有用。

案例二、三、四均来源于《图表之道》列举的商业周刊的典型图表，刘万祥老师通过Excel单元格和图对象的巧妙组合，复现了以下3张图，因matplotlib没有单元格，因此涉及到的部分采用不等比例的栅格子图进行行高和列宽地调节，达到了相同的效果。

以下绘图内容如在手机端阅读，或许会因长宽比例缩放问题造成比例不协调，还望多理解

案例一

构造数据集

因我们无法获得论文中的具体数据，因此仍然采用人工构造的方法进行数据生成，观察原论文的数据变化趋势，类似sigmoid函数，因此采用sigmoid函数和正太分布的噪音进行数据集的构造。

matplotlib非常适用于学术论文图的绘制，但即使如此，缺省状态绘制的图仍然是不那么美观的，需要不断地修饰以获得一定的美感。

x = np.linspace(0, 64, 65)


def sig_array(start, end, size):
    z = np.linspace(0, size, size)
    sig = 1/(1+np.exp(-1*z))   # 0.5-1
    sigA = (sig-sig.min())/(sig.max()-sig.min())  # 0-1
    sigA = sigA*(end-start)+start   # start-end
    return sigA


noise = np.append(np.random.normal(size=64)/300, [0.0])
y1 = sig_array(0.4, 0.58, 65)+noise
y2 = sig_array(0.2, 0.17, 65)+noise
y3 = sig_array(0.2, 0.13, 65)+noise
y4 = 1-(y1+y2+y3)

ys = [y1, y2, y3, y4]
y_stack = y1
for i, y in enumerate(ys):
    if i > 0:
        y_stack += y
    plt.plot(x, y_stack)

以下过程分步地演示了绘制目标图的步骤：

绘制面积图

########################前序代码省略###############################

fig=plt.figure(figsize=(9,5.5))
ax=fig.add_subplot(111)

span=1.02 # 为右侧辅助线预留空间
colors=['#99C8DE','#006EA8','#AADA86','#2C9633']
ax.stackplot(x,y1,y2,y3,y4,colors=colors,edgecolor='white',lw=2.5)
ax.set_xlim((0,64*span))  
ax.set_ylim((0,1))

绘制右侧辅助线

右侧辅助线共分为四段，有三个不连续部分。通过**plt.axvline(ax.axvline)**接口实现分段线地绘制。

########################前序代码省略###############################

blank_white = 0.015
ymins = np.array([0,   0.58+blank_white,      0.58+0.17 +
                  blank_white,      0.58+0.17+0.13+blank_white])
ymaxs = np.array([0.58-blank_white, 0.58+0.17-blank_white,
                  0.58+0.17+0.13-blank_white, 1])
line_x_pos = 63.6*span
for ymin, ymax in zip(ymins, ymaxs):
    ax.axvline(x=line_x_pos, ymin=ymin, ymax=ymax, lw=4, c='gray')

绘制文本

########################前序代码省略###############################

poss = np.array([0.58, 0.17, 0.13, 0.12])
optims = [
    'Adam (only l.r. tuned)',
    'Adam (all params. tuned)',
    'SGD (tuned l.r., fixed mom. and w.d.)',
    'SGD (l.r. schedule tuned, fixed mom. and w.d.)'
]
fmt = ' %.0f%%'
xmax = 64*span  # span=1.02
fontdict = { 'family': 'Times New Roman', 'size': 18}
for i, pos in enumerate(poss):
    if i == 0:
        ax.text(x=xmax, y=0.5*pos, s=fmt % (pos*100),
                ha='left', c='gray', va='center', **fontdict)
        ax.text(x=xmax-2, y=0.5*pos,
                s=optims[i], ha='right', va='center', **fontdict)
    else:
        ax.text(x=xmax, y=(0.5*pos+poss[:i].sum()), s=fmt %
                (pos*100), ha='left', c='gray', va='center', **fontdict)
        ax.text(x=xmax-2, y=(0.5*pos+poss[:i].sum()),
                s=optims[i], ha='right', va='center', **fontdict)

设置坐标轴显示及位置

原图中，x,y轴并不是交于原点的，此处通过ax.spines[‘left’].set_position接口对其位置进行设置。

########################前序代码省略###############################

ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_position(('axes',-0.014))   # axis offset the ax
ax.spines['bottom'].set_position(('axes',-0.02))

设置轴标题

########################前序代码省略###############################

label_fontdict={ 'family':'Times New Roman','size':22}
ax.set_xlabel('Budget for hyperparameter optimization (# models trained)',**label_fontdict)
ax.set_ylabel('Probability of being the best',**label_fontdict)

设置刻度

########################前序代码省略###############################

ax.tick_params(pad=10)
ax.set_xticks(np.arange(10,70,10))
for label in ax.xaxis.get_ticklabels()+ax.yaxis.get_ticklabels():
    label.set_fontfamily('Times New Roman')
    label.set_fontsize(18)
for line in ax.xaxis.get_ticklines() +ax.yaxis.get_ticklines() :
    line.set_markersize(8)

案例二

目标图

观察原图后，考虑按以下方案进行该图绘制，将图分为上中下、左中右（分三列的目的是使y坐标轴标签在图内，否则会偏离至图外）六个部分栅格，整体分为上中下三个主要绘图区域，从而完成绘图。

绘制栅格

fig = plt.figure(figsize=(5, 7), frameon=True)
nrows, ncols = 3, 3
gs = GridSpec(nrows=nrows, ncols=ncols, hspace=0.3, width_ratios=[
              1.5, 15, 0.5], height_ratios=[1.5, 7, 1])

for row in range(nrows):
    for col in range(ncols):
        ax = fig.add_subplot(gs[row, col])
        ax.set_xticks([])
        ax.set_yticks([])
        ax.text(0.5, 0.5, 'ax%d,%d' % (row, col), va='center',
                ha='center', transform=ax.transAxes)

绘制标题行

fig = plt.figure(figsize=(5, 7), facecolor='#D7D7D7', frameon=True)
gs = GridSpec(nrows=3, ncols=3, hspace=0.3, width_ratios=[
              1.5, 15, 0.5], height_ratios=[1.5, 7, 1])
# ax0
ax0 = fig.add_subplot(gs[0, :], facecolor='black')
ax0.set_xticks([])
ax0.set_yticks([])
ax0.text(0, 0.9, 'WHY FACTORIES WILL\nSTAY BUSY', c='white', transform=ax0.transAxes,
         va='top', ha='left',
         fontdict={ 'size': 19}
         )

绘制主体图

########################前序代码省略###############################

# ax1
ax1 = fig.add_subplot(gs[1:-1, 1:-1], facecolor='#D7D7D7')
x1 = np.linspace(0, 6, 7)
y11 = [3, -5, 2, 1.5, 2.6, 1.5, 1.8]
y12 = [2, 10, -7, -6, 3.5,  3,  15]
ax1.plot(x1, y11, c='#255D8E', lw=6,
         label='MANUFACTURING OUT PUT\n(APR.MAY AVG)')
ax1.plot(x1, y12, c='#D30D15', lw=6, label='UNFILLED ORDERS\n(APR.)')
ax1.set_xlim((0, 6))
ax1.set_ylim((-10, 20))

主体图坐标轴刻度

########################前序代码省略###############################

plt.xticks(ticks=x1, labels=['%02d' % i for i in x1])
plt.yticks(ticks=np.linspace(-10, 20, 7))
ax1.xaxis.set_minor_locator(AutoMinorLocator(n=4))

主体图网格线、标题、图例

########################前序代码省略###############################

# set grid
ax1.grid(b=True, which='both')

# set title
ax1.set_title('PERCENT CHANGE FROM A YEAR AGO', loc='left', fontsize=13.5)

# set legend
ax1.legend(handlelength=1, handleheight=1, frameon=False, fontsize=13, loc=2)

主体图背景填充

########################前序代码省略###############################

ax1.axhspan(ymin=-5, ymax=0, color='#E7E7E6')
ax1.axhspan(ymin=5, ymax=10, color='#E7E7E6')
ax1.axhspan(ymin=15, ymax=20, color='#E7E7E6')

绘制图注行

########################前序代码省略###############################

# ax2
ax2 = fig.add_subplot(gs[-1, 1:-1], frameon=False,)
ax2.set_xticks([])
ax2.set_yticks([])
ax2.set_xlim(0, 1)
ax2.text(-0.09, 0.9, 'Data:Federal Research. U.S.Centry Business\nGlobal investigate inc.', transform=ax2.transAxes,
         va='top', ha='left',
         fontdict={ 'size': 11.5}
         )
plt.subplots_adjust(left=0, right=1, bottom=0.02,
                    top=0.98, wspace=0, hspace=0)
plt.tight_layout(pad=0)

案例三

目标图

绘制栅格

fig = plt.figure(figsize=(4, 6), facecolor='#FFFBFF', frameon=True)
nrows, ncols = 3, 3
gs = GridSpec(nrows=3, ncols=3, left=0, right=1, bottom=0, top=1,
              hspace=0.1, height_ratios=[1.4, 10, 2], width_ratios=[1, 15, 1])

for row in range(nrows):
    for col in range(ncols):
        ax = fig.add_subplot(gs[row, col])
        ax.set_xticks([])
        ax.set_yticks([])
        ax.text(0.5, 0.5, '%d,%d' % (row, col), va='center', fontsize=8,
                ha='center', transform=ax.transAxes)

绘制标题行

fig = plt.figure(figsize=(4, 6), facecolor='#FFFBFF', frameon=True)
gs = GridSpec(nrows=3, ncols=3, left=0, right=1, bottom=0, top=1,
              hspace=0.1, height_ratios=[1.4, 10, 2], width_ratios=[1, 15, 1])

# ## ax0
ax0 = fig.add_subplot(gs[0, :], frameon=False)
ax0.set_xticks([])
ax0.set_yticks([])
ax0.text(0, 0.9, 'Red hot', c='black', transform=ax0.transAxes,
         va='top', ha='left',
         fontdict={ 'size': 19}
         )
ax0.text(0, 0.4, 'Venetian\'s', c='black', transform=ax0.transAxes,
         va='top', ha='left',
         fontdict={ 'size': 15}
         )

绘制主体图

########################前序代码省略###############################

ax = fig.add_subplot(gs[1:-1, 1:-1], frameon=False)
ax.spines['left'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
x = range(10)
barline = [0.2, -5, 5, 3, -10, -12, 20, 10, 10, 8]
ax.plot(x, barline, c='#719CB5', lw=4)
ax.set_ylim((-20, 30))
ax.grid(axis='y', lw=4, color='grey')
ax.axhline(y=0, xmin=0, xmax=0.5, lw=4, color='#EFA38D')

调整坐标轴刻度标签

原图中y轴刻度标签的- * 两个标识，通过次坐标进行位置和标签的设置

########################前序代码省略###############################

ax.set_yticks([-20, -10, 0, 10, 20])
ax.set_yticks(ticks=[-5, 5], minor=True)
ax.yaxis.set_ticklabels(['-', '*'], minor=True, fontsize=20)
ax.tick_params(axis='y', width=0)
plt.xticks(ticks=x, labels=['1998', '', '2000',

双y坐标

在之前的绘图对象中，为涉及到双y坐标，但这个相对简单，只需要通过ax.twinx()接口生成一个次坐标子图twax即可对该子图进行绘图对象和子图对象的绘制和设置。用法与ax大致相同。

########################前序代码省略###############################

tw_bar = [22, 20, 22, 25, 19, 18, 22, 27, 40, 52]
tw_line = [22, 21, 28, 26, 29, 50, 70, 75, 60, 100]
twax = ax.twinx()
twax.bar(x=x, height=tw_bar, color='#EFA38D')
twax.plot(x, tw_line, c='#762315', lw=4)
twax.set_ylim((0, 125))
twax.grid(b=False)

图例和坐标轴设置

########################前序代码省略###############################

ax_legend_h = ax.get_legend_handles_labels()[0]
ax.legend(ax_legend_h, labels=['GDP\n with asian'], loc=2, frameon=False)
twax_legend_h = twax.get_legend_handles_labels()[0]
twax.legend(twax_legend_h, labels=[
            'price', 'incoms'], loc=1, markerfirst=False, frameon=False)

twax.spines['left'].set_visible(False)
twax.spines['right'].set_visible(False)
twax.spines['top'].set_visible(False)
twax.set_yticks([0, 25, 50, 75, 100])
twax.tick_params(axis='y', width=0)

绘制图注行

########################前序代码省略###############################

ax3 = fig.add_subplot(gs[-1, :], frameon=False)
ax3.set_xticks([])
ax3.set_yticks([])
ax3.text(0.3, 0.9, '*West Texcas Internations #ffdfd', transform=ax3.transAxes,
         va='top', ha='left',
         fontdict={ 'size': 11.5}
         )

ax3.text(0, 0.5, 'Data:Federal Research. U.S.Centry Business\nGlobal investigate inc.', transform=ax3.transAxes,
         va='top', ha='left',
         fontdict={ 'size': 11.5}
         )

案例四

目标图

本案例的难度在于背景的渐变色填充，在填充图部分并没有介绍过渐变色填充的方法，实际上，填充图也没有渐变色填充的接口，渐变色是通过技巧设定而成。

构造数据集

np.random.seed(3)
x = np.linspace(0, 7, 100)
y = [20]
for i in range(99):
    y.append(y[-1]+np.random.uniform(-0.5, 0.5))
y = np.array(y)

plt.plot(x, y, lw=4, c='black')

绘制背景图

背景图是产生图像渐变效果的主要原因，通过**plt.imshow(ax.imshow)**接口实现。

np.random.seed(3)
x = np.linspace(0, 7, 100)
y = [20]
for i in range(99):
    y.append(y[-1]+np.random.uniform(-0.5, 0.5))
y = np.array(y)

fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, frameon=True)
# 绘制趋势线
ax.plot(x, y, lw=4, c='black')
xlim = xmin, xmax = x.min(), x.max()
ylim = ymin, ymax = y.min(), y.max()
# 将整张图用渐变色背景进行填充
ax.imshow(X=[[100, 100], [0, 0]],
          cmap=plt.cm.Blues,
          norm=None,
          extent=(xmin, xmax, ymin, ymax),
          aspect='auto',
          interpolation='bicubic',
          vmin=1,
          vmax=120,)

将上部用纯色填充

########################前序代码省略###############################

ax.fill_between( x=x,y1=y,y2=ymax,color='#FFFBFF')

调整x坐标轴

########################前序代码省略###############################

ax.set_xticks(np.linspace(0, 7, 8))
blank = " "*6
ax.xaxis.set_ticklabels(
    ticklabels=['',
                blank+'Sep',
                blank+'Oct',
                blank+'',
                blank+'Dec',
                blank+'Jan',
                '', ''],)
ax.tick_params(axis='x', pad=-20  # 通过pad将数值调整到坐标轴上方
               , labelsize=20, direction='in', right=True, left=False, labelright=True, labelleft=False)

调整y坐标轴

########################前序代码省略###############################

ax.set_yticks([16.5, 18.5, 19.4])
ax.tick_params(axis='y', pad=-50, labelsize=20, width=3, direction='in',
               length=50, right=True, left=False, labelright=True, labelleft=False)
ax.yaxis.set_ticklabels(
    ticklabels=[
        "%.1f\n" % 16.5,
        "%.1f\n" % 18.5,
        "%.1f\n" % 19.4,
    ],)

网格线、标题

########################前序代码省略###############################

ax.grid(lw=2, color='gray', alpha=0.3)

ax.set_xlim((0, 8))

ax.set_title('GDP CHANGE VALUE PER MONTH\nunit:% per month',
             loc='left', fontdict={ 'size': 22})

plt.subplots_adjust(left=0.02, right=0.98, bottom=0.05,
                    top=0.85, wspace=0, hspace=0)

总结

从上述案例可以看出，绘制一张高颜值的图表需要修饰和调整的内容是很多的，是对绘图对象及图对象的综合应用。
案例一绘图过程

案例二绘图过程

案例三绘图过程

案例四绘图过程
至此，第一阶段的案例部分基本结束。

希望对你有所帮助和启发！