手绘效果为图表添色，cutecharts带你画Q版可视图|可视化系列04
本文内容框架 cutecharts简介 Matplotlib默认主题下绘制的可视化图形如一位高贵冷艳、不沾烟火的冰山女神，而cutecharts的图就像不拘常规、潇洒无羁的活力少年。 纤尘不染vs洒脱无畏 cutecharts[1]是基于chart.xkcd的Python可视化库，chart.xkcd[2]则是基于SVG来绘制可视化图表的JavaScript库，cutecharts充分利用了JavaScript灵活易用的特点，通过简单的语句让可视化图形有强大的表现力和优秀的交互效果，对操作系统和设备的依赖很低。 cutecharts进行可视化的基本代码框架如下： import cutecharts.charts as ctcdf=pd.DataFrame({'x':['Mon.','Tue.','Wed.','Thu.','Fri.'], 'y':[76,37,90,60,50], 'z':[37,46,53,81,60]})chart = ctc.Line("title",width='500px',height='400px') #新建折线图chart.set_options( labels=list(df['x']), #注意输入的是可迭代对象，但直接df['x']不行 x_label="Weekday", y_label="US" )chart.add_series("This Week", list(df['y'])) #同样不能直接df['y']chart.add_series("Last Week", list(df['z']))chart.render_notebook() cutecharts通过charts建立绘图对象，应用层的类有Line/Bar/Scatter等5个， 在语法上，通过charts.Line("title",width,height)建立折线图对象，设置标题、图表大小，然后统一通过.add_series()传入各坐标轴的数据，通过.set_options()设置各种图表参数，如坐标轴标签、轴标题和图元颜色等。set_options和add_series的语句顺序可以调换。chart.render_notebook()将图在jupyter notebook中渲染出来。 Line 绘制一个折线图的代码和绘图效果上面已经提到，add_series()对应一条线，多个add_series()就是在图中绘制多条折线。.set_options()可以设置的参数如下： •labels：X坐标轴的数据，输入的是可迭代对象，但直接df['x']不行，不支持Series；•x_label/y_label：分别对应X坐标轴名称和Y坐标轴名称；•y_tick_count：Y轴刻度分割段数；•colors 颜色数组，支持满足CSS样式的各种颜色输入方式；•legend_pos：图例位置，可选四个位置{"upLeft", "upRight", "downLeft", "downRight"}，默认upLeft；•font_family：设置文本的字体； 图像输出 我们通过.Line()创建图并且通过.add_series()及.set_options()设置数据及图元之后，通过chart.render("fname.html")输出为本地的HTML文档，打开HTML就是一个可视化图像。render的参数有dest表示输出文件的路径，template_name表示渲染所用的模板。chart.render_notebook()是在jupyter notebook中直接出图。chart.load_javascript()加载 JS 依赖，在 JupyterLab 渲染时用。 Scatter Scatter用于绘制散点图，例子代码及绘图效果如下： chart = ctc.Scatter('title',width='500px',height='400px')chart.set_options( x_label="xlabel", y_label="ylabel" , colors=['#1EAFAE','#BA5C25'], dot_size=1)chart.add_series("y",[(c['y'],c['z']) for i,c in df.iterrows()])chart.add_series("dy",[(c['z'],c['y']) for i,c in df.iterrows()])chart.render_notebook() .set_options()支持设置的参数如下： •x_label/y_label：分别对应X坐标轴名称和Y坐标轴名称；•x_tick_count/y_tick_count：X轴和Y轴刻度分割段数；•is_show_line：是否绘制散点连线的效果；•dot_size 目前没有点的形状？•colors 颜色数组，如果是一个颜色也要写成['#1EAFAE']形式；•time_format：日期数据类型的展示格式；•legend_pos：图例位置，可选四个位置{"upLeft", "upRight", "downLeft", "downRight"}，默认upLeft；•font_family：设置文本的字体； 根据上面的参数解释，需要说明的是，绘制带端点的折线用的是Scatter并设置is_show_line=True，而不是用Line()。 散点图的add_series输入的是[(x1,y1), (x2,y2)] 这样的数据数组，使用时要符合其格式。 Bar ctc.Bar()用于绘制柱状图。例子代码及绘图效果如下： chart = ctc.Bar('title',width='500px',height='400px')chart.set_options( labels=list(df['x']), x_label="Weekday", y_label="US" , colors=['#1EAFAE' for i in range(len(df))] )chart.add_series("y",list(df['y']))chart.add_series("z",list(df['z']))chart.render_notebook() .set_options()支持设置的参数如下： Pie ctc.Pie()用于绘制饼图。例子代码及绘图效果如下： chart = ctc.Pie('title',width='500px',height='400px')chart.set_options( labels=list(df['x']), inner_radius=0 )chart.add_series(list(df['y'])) #只接受一个参数，也就是数据列chart.render_notebook() 和之前的图不同的是，Pie的.add_series()只接受一个参数，也就是数据列。.set_options()支持设置的参数如下： Radar ctc.Radar()用于绘制雷达图。例子代码及绘图效果如下： chart = ctc.Radar('Radar',width='700px',height='600px')chart.set_options( labels=list(df['x']), legend_pos='upRight' )chart.add_series('y',list(df['y']))chart.add_series("z",list(df['z']))chart.render_notebook() .set_options()支持设置的参数如下： chart.xkcd cutecharts基于chart.xkcd进行封装，通过看两个库的源码可以看到的是chart.xkcd枚举了Line、Bar、Radar等图来绘制具有手绘效果的图像。cutecharts几个绘图接口和chart.xkcd的对应关系如下： cutecharts和xkcd的对应关系表 chart.xkcd还有一个StackedBar()用于绘制堆叠柱状图，目前cutecharts还没有StackedBar。从源码中能看到，chart.xkcd用到了d3-selection、d3-scale等d3.js的脚手架来做交互和DOM操纵(关于D3可视化后续公众号会更新6篇系列文章进行实践，目前有一篇概览性文章)，同时为了实现手绘效果，在具体绘制柱状图等图表时，通过addFilter.js添加偏移量形成手绘线条的效果、通过xkcd字体来实现文本的手写效果。通过addAxis.js、addLegend.js等绘制坐标轴和文本。 总结 基于JavaScript库实现可视化，可以很好地实现交互、高亮等实用的功能，给可视化添色，Python作为一种胶水语言并且具有活跃的社区，将JavaScript可视化库变成Python可视化库也并不复杂，广泛应用的pyecharts就是基于echarts开发的，语法上cutecharts的写法和pyecharts一脉相承，理解了cutecharts的写法，对学习pyecharts也有帮助。 和pyecharts支持丰富的图表类型不同，受限于chart.xkcd本身只支持6种图（且连常用的条形图都不包含），cutecharts支持的图表也很少，只能满足常用的图表，组合图绘制也心有余而力不足，另外使用默认字体时中文文本没有漫画/手绘的效果，需要配置对应字体。 有任何建议欢迎留言交流。 相关阅读 可视化技能之Matplotlib(下)|可视化系列02 《使用D3设计交互式图表》简读笔记|可视化系列31 用可视化地图讲照片的故事(Python+Leaflet) References [1]cutecharts:https://github.com/chenjiandongx/cutecharts[2]chart.xkcd:https://github.com/timqian/chart.xkcd 本文分享自微信公众号 - 蛰虫始航（lyns_sailing）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
