SciencePlots科研绘图使用基础教程

EndNote 2021-11-17 11:59:07

SciencePlots科研绘图

在这里插入图片描述

简介

使用Python作为核心开发工具的机器学习和深度学习研究者自然会希望使用Matplotlib进行科研图表的绘制，但是Matplotlib默认的样式并不适合科研论文的出版，而SciencePlots就是为此定制的一系列科研绘图样式库，可以绘制很合适科研图表。

安装

具体的安装教程可以参考该项目Github开源地址，我这里简述一下。

PIP快速安装

使用下面的第一个命令安装最新版，第二个命令直接从PIP官方源下载安装，要落后最新版一个版本。

pip install git+https://github.com/garrettj403/SciencePlots.git 1

pip install SciencePlots 1

手动安装

上面的PIP安装会自动下载所有的*.mplstyle文件并将其放在当前环境的matplotlib的stylelib文件夹下，这个步骤也可以手动完成。Clone官方仓库到本地，将其中style文件夹下的所有以mplstyle为后缀的文件拷贝到matplotlib的资源目录下的stylelib文件夹，获得matplotlib资源目录可以通过下面的代码段获取。

import matplotlib print(matplotlib.get_configdir()) 1
2

获得该目录后直接访问，新建stylelib文件夹（若有则不需要新建），将所有*.mplstyle文件放到该目录下即可。

在这里插入图片描述

使用

在所有的样式中，science.mplstyle为最核心的样式，使用该样式的方法和matpl切换样式的方法一致。

import matplotlib.pyplot as plt plt.style.use('science') 1
2

当然，也可以指定多个样式，如下面这段代码中，ieee样式在某些部分会覆盖science样式以达到绘图需求。

import matplotlib.pyplot as plt plt.style.use(['science','ieee']) 1
2

上面这几种方法都是对整个脚本生效的，想要对某个部分绘图的代码生效，则只需要使用with语句进行上下文管理即可。

with plt.style.context(['science', 'ieee']):     plt.figure()     plt.plot(x, y)     plt.show() 1
2
3
4

案例

下面三个图是science样式、science+ieee以及science+ieee+grid样式的效果，在样式中加入no-latex以禁用Latex字体渲染，这是因为science样式默认采用Latex渲染，若没有安装Latex或者考虑到其比较耗时，禁用即可。

science

science+ieee

science+ieee+grid

上述效果的代码如下。

import numpy as np import matplotlib.pyplot as plt   def model(x, p):     return x ** (2 * p + 2) / (2 + x ** (2 * p))   x = np.linspace(0.75, 1.25, 201)  with plt.style.context(['science', 'no-latex']):     fig, ax = plt.subplots()     for p in [10, 15, 20, 30, 50, 100]:         ax.plot(x, model(x, p), label=p)     ax.legend(title='Order')     ax.set(xlabel='Voltage (mV)')     ax.set(ylabel='Current (μA)')     ax.autoscale(tight=True)     fig.savefig('fig1.png', dpi=300)  with plt.style.context(['science', 'ieee', 'no-latex']):     fig, ax = plt.subplots()     for p in [10, 20, 50]:         ax.plot(x, model(x, p), label=p)     ax.legend(title='Order')     ax.set(xlabel='Voltage (mV)')     ax.set(ylabel='Current (μA)')     ax.autoscale(tight=True)     fig.savefig('fig2.png', dpi=300)  with plt.style.context(['science','ieee', 'grid', 'no-latex']):     fig, ax = plt.subplots()     for p in [10, 20, 50]:         ax.plot(x, model(x, p), label=p)     ax.legend(title='Order')     ax.set(xlabel='Voltage (mV)')     ax.set(ylabel='Current (μA)')     ax.autoscale(tight=True)     fig.savefig('fig3.png', dpi=300) 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39