精华内容
下载资源
问答
  • 设置一个图表样式之后,点击设计菜单,点击左侧的另存模板菜单 制作相同样式新图表 选择好数据源之后,点击插图图表菜单 在其他图表小三角形下拉菜单中,点击所有图标类型,在插入图表窗口中的第一个...

    问题描述

    我们在制作图表的过程中,有时候需要制作一组相同类型不同数据源的图表,需要将图标的样式设置为相同格式。

    处理方式

    先设置一个图表样式之后,点击设计菜单,点击左侧的另存为模板菜单

    制作相同样式新图表

    选择好数据源之后,点击插图图表菜单

    在其他图表小三角形下拉菜单中,点击所有图标类型,在插入图表窗口中的第一个“模板”菜单中即可找到之前保存的我的模板文件,点击该图标即可插入相同样式的图表,这里注意新插入的图表标题有些不一致需要修改一下:

    一以上使用的是office2007版本,在office2016中,可以直接复制设置好的图表,然后点击图表中的折线数据,重新选择数据源即可生成对应的设定好样式的新图表。

    对于已经设置好样式的图表,如果需要修改多条线宽大小和颜色以及符号点样式大小等,往往不能批量统一修改,只能一条一条的修改,应使用设置好的模板进行匹配生成图标,这样更为便捷,比起一条一条的修改省时省力。

     

    展开全文
  • 第一个参数x横坐标方向上的特征,第二个参数y纵坐标方向上的特征,参数 data 用于指定数据集。 sns.swarmpot()使用避免重叠点的算法将分类轴上的每个散点图点定位。 双变量条形散点图 在绘图的过程中,传入参数...

    单变量条形散点图
    sns.stripplot(x, y, data)可用于绘制单变量条形散点图,
    第一个参数x为横坐标方向上的特征,第二个参数y为纵坐标方向上的特征,参数 data 用于指定数据集。

    sns.swarmpot()使用避免重叠点的算法将分类轴上的每个散点图点定位。

    双变量条形散点图
    在绘图的过程中,传入参数hue可以设置条形柱中的另一个变量名。

    箱线图和琴形图
    sns.boxplot( )可绘制箱线图。
    sns.violinplot( )用于绘制琴形图,琴形图是箱线图和核密度图的结合。

    多变量分类绘图
    factorplot( )可以将多种绘制方法封装在同一个函数中。
    sns.factorplot(x, y, data, hue, kind),kind参数默认为点图point,还可以选择柱形图bar, 计数图count, 箱线图box, 琴形图violin, 散点图strip,分散点图swarm。

    PairGrid( )可绘制多变量分类图,可将不同变量之间的关系绘制在同一个矩阵中。
    sns.PairGrid(data, x_vars, y_vars),
    data参数用于设置绘图所需的数据集,x_vars设置x轴上的分类变量,y_vars用于设置y轴方向上的分类变量。

    图表样式设置:

    在这里插入图片描述

    绘图风格可以通过sns.set()函数来设置,style用于设置绘图风格,context用于设置绘图元素大小。
    sns.despine()用于去除坐标轴。
    颜色画板分类色板(qualitative),连续色板(sequential),离散色板(diverging)。
    通过设置绘图函数得palette参数,或者sns.set_palette( )均可以设置不同的调色板

    sns.set( style,context,palette,font,font_scale)
    

    通过sns.set()函数,我们可以设置风格、字体、标题等。style参数可以设置绘图风格,context用于设置字体、标题等元素的大小。

    style参数:
    darkgrid 黑色网格(默认)
    whitegrid 白色网格
    dark 黑色背景
    white 白色背景
    ticks 四周有刻度线的白背景

    context参数:用于设置绘图元素比例,比如,图像线条粗细、坐标轴刻度标签的字体大小
    context表示元素的大小,默认值为:notebook,其它可选值分别为:paper, notebook, talk, poster,其中,设置为paper,元素显示最小,而设置为poster,元素显示最大

    sns.set_context("notebook", font_scale=1.2, rc={"lines.linewidth": 1.5})
    

    font_scale参数用于设置字体大小,rc参数传入字典设置线宽

    移除边框线:sns.despine()
    sns.despine()中的参数top、right、left、bottom来设置方向,在默认情况下,
    top=True,
    right=True,
    left=False,
    bottom=False,而设置为True,则将该方向的边框线移除,也就是说,默认参数下,我们绘制的图像都是没有上边和右边的边框线

    图像颜色

    sns.set_palette( )的参数值来设置图像的颜色
    Seaborn提供了sns.color_palette()函数,这个函数可以生成色板,允许我们生成各种颜色的色板。然后,将生成的色板作为绘图函数的参数palette的参数值,或者作为sns.set_palette()的参数值,这样的操作都会改变图像的颜色。

    Seaborn中有三种通用的调色板可以使用:
    分类色板(qualitative):不连续、且内在没有顺序关系的数据
    连续色板(sequential):可以用于核密度估计图等
    离散色板(diverging):数据分布比较偏向于两极化

    分类色板(qualitative)
    有6种不同的默认主题,它们分别是:deep,muted,pastel,bright,dark,colorblind
    在这里插入图片描述
    sns.palplot()函数来查看色板主题

    连续色板:

    # 输出Reds色板
    import matplotlib.pyplot as plt
    import seaborn as sns
    %matplotlib inline
    sns.palplot(sns.color_palette("Reds"))
    

    效果如图:
    在这里插入图片描述
    如果我们想将颜色翻转渐变,可以在面板名称中添加一个_r后缀。

    # 输出Reds_r翻转色板
    import matplotlib.pyplot as plt
    import seaborn as sns
    %matplotlib inline
    sns.palplot(sns.color_palette("Reds_r"))
    

    在这里插入图片描述

    查看各分类色板

    import seaborn as sns
    data_type = ["qualitative", "sequential", "diverging"]
    for elem in data_type:
        sns.choose_colorbrewer_palette(elem)
    

    在这里插入图片描述
    在每种色板的交互界面中,name行可以选择该分类下的色板名称,n用于设置色板中的颜色数量, desat设置色彩饱和度, variant设置颜色排序是否转置。这样大家就可以查看每种色板分类中的常用色板了

    图像要求:
    绘图背景风格设置为:whitegrid
    图像元素比例设置为:talk
    sns.set(style=“whitegrid”,context=‘talk’)

    绘制琴形图时,绘图颜色使用分类色板:Set3
    sns.violinplot(data = menu[nutri_name],palette="Set3")
    
    将图像的坐标轴都移除
    sns.despine(left=True, bottom=True)
    
    x轴刻度标签旋转7度
    plt.xticks(rotation = 7)
    
    展开全文
  • 最近用 Echarts 写前端页面时需要动态每一项数据设置颜色,一开始使用的是series 里的 color 属性,但是总是会出现颜色不对齐的现象,导致最后渲染出的数据颜色不固定,无法达到预期。 name: 'IP-route 单项访问...

            最近用 Echarts 写前端页面时需要动态为每一项数据设置颜色,一开始使用的是 series 里的 color 属性,但是总是会出现颜色不对齐的现象,导致最后渲染出的数据颜色不固定,无法达到预期。

    name: 'IP-route 单项访问占比',
    type: 'pie',
    radius: ['0%', '23%'],
    center: ['70%', '30%'],
    label: {
      show: false,
      position: 'center'
    },
    itemStyle: {
      borderRadius: 5,
      borderColor: '#FFF',
      borderWidth: 0.5
    },
    emphasis: {
      label: {
        show: true,
        fontSize: '12',
        fontWeight: 'bold'
      }
    },
    labelLine: {
      show: false
    },
    color: ["#2ec7c9", "#b6a2de"]
    data: {
        name: 'a',
        value: 2
        },{
        name: 'b',
        value: 1
        }

            最终根据测试,直接在 data 中为每一项数据设置 itemStyle 项即可达成目的:

    {
        itemStyle: {
          color: "#b6a2de"
        },
        name: ‘a’,
        value: 2
    }
    展开全文
  • 目录一、图表窗口大小 figsize二、图名、图例、轴、网格 一、图表窗口大小 figsize df = pd.DataFrame(np.random.rand(10, 2), columns = ["A", "B"]) # 绘图方式1 # plt.plot(df) # plt.figure(figsize = (6, 4)) ...

    一、图表窗口大小 figsize

    df = pd.DataFrame(np.random.rand(10, 2), columns = ["A", "B"])
    
    # 绘图方式1
    # plt.plot(df)
    # plt.figure(figsize = (6, 4))
    
    # 绘图方式2
    fig = df.plot(figsize = (6, 4))
    

    二、图名、图例、轴、网格

    plt.legend(loc = ‘upper left’),显示图例,loc表示位置,loc值为字符串或数字

    • ‘best’: 0 (自适应方式)
    • ‘upper right’ : 1
    • ‘upper left’ : 2
    • ‘lower left’ : 3
    • ‘lower right’ : 4
    • ‘right’ : 5
    • ‘center left’ : 6
    • ‘center right’ : 7
    • ‘lower center’ : 8
    • ‘upper center’ : 9
    • ‘center’ : 10
    plt.title("title") # 图名
    
    plt.legend(loc = 'upper left') # 显示图例,loc表示位置
    
    
    
    plt.xlabel("xlabel") # x轴标签
    plt.ylabel("ylabel") # y轴标签
    
    plt.xlim([-1, 10]) # x轴边界
    plt.ylim([0, 1.4]) # y轴边界
    
    plt.xticks(range(11))# x轴刻度
    plt.yticks([0, 0.3, 0.6, 0.9, 1.2])# y轴刻度
    
    fig.set_xticklabels("%.1f" %i for i in range(7))  # x轴刻度标签
    fig.set_yticklabels("%.2f" %i for i in [0, 0.3, 0.6, 0.9])  # y轴刻度标签
    
    plt.tick_params(bottom = 'on', top = 'off', left = 'on', right = 'off') # 刻度是否显示
    
    import matplotlib
    # 刻度方向:in, out, inout
    matplotlib.rcParams['xtick.direction'] = 'out'
    matplotlib.rcParams['ytick.direction'] = 'inout'
    
    frame = plt.gca() # 获得当前的Axes对象
    # plt.axis('off') 关闭坐标轴,不显示轴
    # frame.axes.get_xaxis().set_visible(False) 不显示x轴标签和刻度
    # frame.axes.get_yaxis().set_visible(False) 不显示y轴标签和刻度
    
    
    
    # plt.plot(df, grid = True)
    plt.grid(True, linestyle = "--", color = "gray", linewidth = "0.5", axis = 'x') # 显示网格
    # linestyle:线型
    # color:颜色
    # linewidth:线宽度
    # axis:x,y,both,显示x/y/两者的网格
    

    图名、图例、轴、网格

    三、线型、标记、颜色、样式

    1、线型 linestyle

    ‘-’ solid 实线
    ‘–’ dashed 虚线
    ‘-.’ dash-dot 点划线
    ‘:’ dotted 点线

    2、标记 marker

    ‘,’ pixel 像素
    ‘.’ point 小点
    ‘o’ circle 圆点 ●
    ‘v’ triangle_down 三角形向下
    ‘^’ triangle_up 三角形向上 ▲
    ‘<’ triangle_left 三角形向左
    ‘>’ triangle_right 三角形向右
    ‘1’ tri_down 三小杈向下
    ‘2’ tri_up 三小杈向上
    ‘3’ tri_left 三小杈向左
    ‘4’ tri_right 三小杈向右
    ‘s’ square 方块 ■
    ‘p’ pentagon 五边形
    ‘*’ star 五角星 ★
    ‘h’ hexagon1 六边形竖
    ‘H’ hexagon2 六边形横
    ‘+’ plus 加号 +
    ‘x’ x ×
    ‘D’ diamond 方块 ◆
    ‘d’ thin_diamond 菱形
    ‘|’ vline 竖线 |
    ‘_’ hline 横线 ―

    3、颜色 color 透明度 alpha

    常用颜色简写:red-r, green-g, black-k, blue-b, yellow-y
    可自动根据颜色板中的颜色自动为不同的项设置不同的颜色,颜色板链接如下:
    colormaps_reference
    在颜色板颜色后面添加"_r",按照反向顺序设置颜色

    alpha,透明度,0-1

    df.plot(figsize = (6, 4), linestyle = "-.", marker = "1", colormap = "winter_r", alpha = 0.8)
    # df.plot(figsize = (6, 4), linestyle = "-.", marker = "1", color = "red", alpha = 0.8)
    

    在这里插入图片描述

    4、样式 style

    style参数,可以包含linestyle、marker、color,color仅支持单个字符

    df.plot(style = "-.1r")
    # df.plot(figsize = (6, 4), linestyle = "-.", marker = "1", color = "red", alpha = 0.8)
    

    在这里插入图片描述

    5、整体风格样式 matplotlib.style

    一旦选用样式后,所有图表都会有样式,重启后才能关掉

    import matplotlib.style as psl
    print(psl.available) # 查看样式列表
    

    [‘seaborn-talk’, ‘seaborn-whitegrid’, ‘seaborn-white’, ‘seaborn-notebook’, ‘ggplot’, ‘grayscale’, ‘seaborn-pastel’, ‘seaborn-dark-palette’, ‘seaborn-ticks’, ‘bmh’, ‘classic’, ‘seaborn-poster’, ‘seaborn-deep’, ‘dark_background’, ‘seaborn-colorblind’, ‘seaborn-bright’, ‘seaborn-muted’, ‘fivethirtyeight’, ‘seaborn-dark’, ‘seaborn-darkgrid’, ‘seaborn-paper’]

    import matplotlib.style as psl
    psl.use("ggplot")
    df.plot()
    

    在这里插入图片描述

    四、刻度 matplotlib.ticker

    主刻度、次刻度、标签文本格式的设置

    刻度其它相关内容见上面,二、图名、图例、轴、网格

    from matplotlib.ticker import MultipleLocator, FormatStrFormatter
    
    ax = df.plot()
    plt.grid(True, linestyle = "--", color = "gray", linewidth = "0.5", axis = 'both')
    
    # x轴刻度设置
    xmajorLocator = MultipleLocator(2) # 将x主刻度标签设置为2的倍数
    xmajorFormatter = FormatStrFormatter('%.0f') # 设置x轴标签文本的格式
    xminorLocator = MultipleLocator(1) # 将x轴次刻度标签设置为1的倍数 
    
    ax.xaxis.set_major_locator(xmajorLocator) # 设置x轴主刻度
    ax.xaxis.set_major_formatter(xmajorFormatter) # 设置x轴标签文本格式
    ax.xaxis.set_minor_locator(xminorLocator) # 设置x轴次刻度
    
    ax.xaxis.grid(True, which='major') # x坐标轴的网格使用主刻度
    
    # y轴刻度设置
    ymajorLocator = MultipleLocator(0.2) # 将y轴主刻度标签设置为0.5的倍数
    ymajorFormatter = FormatStrFormatter('%.1f') # 设置y轴标签文本的格式
    yminorLocator = MultipleLocator(0.1) # 将此y轴次刻度标签设置为0.1的倍数  
    
    ax.yaxis.set_major_locator(ymajorLocator) # 设置y轴主刻度
    ax.yaxis.set_major_formatter(ymajorFormatter) # 设置y轴标签文本格式
    ax.yaxis.set_minor_locator(yminorLocator) # 设置y轴次刻度
    
    ax.yaxis.grid(True, which='minor') # y坐标轴的网格使用次刻度
    # which:格网显示,值为"major", "minor", "both"
    
    # 删除坐标轴的刻度显示
    # ax.xaxis.set_major_formatter(plt.NullFormatter())
    # ax.yaxis.set_major_locator(plt.NullLocator())
    

    在这里插入图片描述

    五、注解 plt.text()

    plt.text(横坐标, 纵坐标, 注解字符串)
    循环可实现添加“数据标签”

    df.plot(style = "--o")
    plt.text(6.4, 0.18, "0.241932", fontsize = 10)
    

    在这里插入图片描述

    展开全文
  • 下面我们使用 Echarts 来实现如下的一个南丁格尔图:开始绘制南丁格尔图与第一节绘制的图表样式不同,本节我们要绘制的是饼图(第一节是柱状图)。饼图是根据明显的扇形弧度的不同来表达不同类目的数据占据的总数的...
  • 标题开始: 先看效果图: 因为大多数标题颜色以灰色出场,但如果背景颜色是...改里面对象的形式设置颜色: 当然也可以加些图形例如: icon : 'roundRect', data: [ { name: "B1F", //图形 // icon : 'roundRect
  • js代码var data = generateDayWiseTimeSeries(new Date("22 Apr 2017").getTime(), 115, {min: 30,max: 90});var options1 = {chart: {id: "chart2",type: "area",height: 230,foreColor: "#ccc",toolbar: {...
  • Python改变生活,科技改变未来! 在越来越多人学习Python的今天,依然还是有很多人无动于衷,并没有感受到Python给我们的生活...以 “事业01部.xlsx” 这个工作簿例,具体看一下目前工作表中的样式: 再来对...
  • 主题编辑器主题编辑器主题创建和修改提供了简单易于操作的的视觉环境,通过左边的属性网格提供了示例图,里面包含了项目各种类型、可用的内置图列表、项目样式等。在网格中的对于样式的任何修改将会立即映射到图上...
  • 回到正题 当你应用tab切换时候,发现切换之后,图表被压缩了, 这是因为你切换的时候,js立马执行,还没来得及渲染改过的css款式,导致canvas有了本人默认的尺寸,没有获取到理论的尺寸,就会看到图表款式被压缩。...
  • ) 输入输出框 结束框 子流程 yes no 4、标准流程图源码格式(横向) ```mermaid flowchat st=>start: 开始框 op=>operation: 处理框 cond=>condition: 判断框(是或否?) sub1=>subroutine: 子流程 io=>inputoutput: ...
  • 4.对折线样式的修改; 5.y轴单位样式. var chartDom = document.getElementById('main'); var echart = echarts.init(chartDom, 'dark'); //dark ,深色主题 var option = { tooltip: { trigger: 'axis', }, color...
  • functiongetChartsLine() {var myChart = echarts.init(document.getElementById('progress'),'macarons');var option ={title: {text:'工程折线图', //主标题textStyle:{color:'#0DB9F2', //颜色fontStyle:'norma.....
  • 在 ECharts 图表中我们可以使用极坐标系角度轴的splitLine 来对角度轴中的分隔线做出一些相关的属性设置,所以学习完本节内容,您就会了解如何显示角度轴的分隔线、分隔线之间的显示间隔、分隔线的线条样式设置。...
  • echarts图表引入主题样式(js和json)

    千次阅读 2021-01-24 00:51:32
    echarts主题样式 主题样式构建工具 下载主题 引入echarts主题样式有两种方法:js和json 引入主题 引入js主题文件 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> ...
  • arcgis设置标注样式

    2021-09-17 15:52:53
    有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学...
  • 来源:Python中文社区OpenPyXL 使您能够以多种不同的方式设置单元格的样式样式化单元格会让您的电子表格充满魅力!这将有助于将它们与其他电子表格区分开来。但是请不要过度使用, 如...
  • 【JEECG】修改Viser图表颜色样式

    千次阅读 2020-12-30 17:19:50
    因为项目用的jeecg,里面图表用Viser写的,所以愁苦了好一阵 以柱状图例 Vue环境: <v-chart :forceFit="true" :height="height" :data="dataSource" :scale="scale" :padding="padding"> <v-...
  • 图表样式修改
  • 折线图在我们也是我们的数据可视化图表中最常用的一种图表之一,是用折线将各个数据点标志连接起来的图表,不仅可以表示数量的多少,而且可以反映同一事物在不同时间里的发展变化的情况以及变化趋势。 看着官网示例...
  • 同时,也可以对报表中某一图表样式进行风格设置,优化视觉效果。 设置好的报表样式效果,PC端和移动端同步展示。 百数报表详情介绍: 风格 预定义三种风格样式,直接选中就可切换。 报表整体 支持自定义报表整体...
  • c# Chart设置样式

    2021-01-14 11:22:08
    Chart ChartBorder 图表区域的边框设置 ChartFill 图表区域的背景填充 Legend 图表的注释标签显示设置项目,一组数据对应一种颜色的注释 IsHStack 当有多个显示项的时候设置Y轴数据是叠加的还是分开的 Xaxis ...
  • = True Then i.Style = wdStyleHeading3 '标题 3 是以 四+二 开头的段落 Else i.Style = wdStyleNormal '其它正文样式 End If Next Application.ScreenUpdating = True End Sub Sub 统一报告表格样式() Dim i As ...
  • 一共有5种预设的context样式,分别是默认的“notebook”, 和 “paper”, “talk”, 以及 “poster”。 axes_style的预设有:“dark”,“white”,“darkgrid”,“whitegrid”,“ticks” 一共五种。 palette预设的色盘...
  • // 默认色板 color: ['#ff7f50','#87cefa','#da70d6','#32cd32','#6495ed', '#ff69b4','#ba55d3','#cd5c5c','#ffa500','#40e0d0', '#1e90ff','#ff6347','#7b68ee','#00fa9a','#ffd700', ...// 图表标题 ti
  • 个性化图表样式

    2021-06-24 15:16:33
    Apache EChartsTM 提供了丰富的自定义配置选项,并且能够从全局、系列、数据三个层级去设置数据图形的样式。下面我们来看如何使用 ECharts 实现下面这个南丁格尔图: 绘制南丁格尔图 5分钟上手ECharts 中讲了如何...
  • ui给出的效果图如下: 自己做出的效果如下: 核心代码如下: var hardDisks = [{driver : "C:", usage : 80, capacity : 100}, ... 现在不知道标签"E:56/100G"这段文字如何像设计稿那样只给“56”设置颜色。 求教,谢谢
  • 单元格样式

    2021-06-17 12:28:27
    译者:fanjy 来源:http://blogs.msdn.com/excel发表于:2006年7月7日Cell Styles – More Usable, better defaults单元格样式—更多可用的且已预设好的样式A few posts ago, I presented an overview of the work ...
  • 2.如果确认路由器已经开启了DHCP功能,而手机还是不能获取分配IP地址,那么可以将手机改手动设置IP地址,掩码,网关和DNS,大部手动设置后都能解决该问题。3.如果手机改手动也不能 2020-01-07阅读(17) 副词:1....
  • 坐标轴是图表不可或缺的元素,坐标轴控制着值、参数比例、网格、轴标签、轴刻度、坐标轴线等,anychart坐标轴提供了多种属性,开发人员可 以根据自己的需求进行灵活的设置,可控制坐标轴的几乎每一个可视元素,在...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 103,806
精华内容 41,522
关键字:

如何设置图表样式为样式4