内容摘要：大家可能已经习惯了用Matplotlib和seaborn来制作不同的图表，但是今天要介绍一个非常酷的Python手绘风格的可视化包：cutecharts。这个包可以用来生成以下几种看起来像手绘的图表，

大家可能已经习惯了用Matplotlib和seaborn来制作不同的啥P手绘图表，但是然也今天要介绍一个非常酷的Python手绘风格的可视化包：cutecharts。

这个包可以用来生成以下几种看起来像手绘的可制图表，在某些场景下效果可能更好。作萌这些可爱的图表图表还具有交互性和动态性。每当鼠标在图表上悬停时，啥P手绘数字就会显示出来。然也而要创建这种图表，可制你只需要几行Python代码。作萌

目前，图表该库支持五种图表--条形图、啥P手绘线形图、然也饼图、可制雷达图和散点图。作萌它还支持图表的图表组合。

在开始绘制可爱的图表之前，我们需要安装 cutechart 库。服务器租用

$ pip install cutecharts 

安装好后我们来尝试画下条形图和线图。首先创建下数据，以某个城市的温度数据为例。 

#import library and data import cutecharts.charts as ctcdf=pd.DataFrame({  ‘x’:[‘Sun.’,’Mon.’,’Tue.’,’Wed.’,’Thu.’,’Fri.’,’Sat.’], ‘y’:[14,15,17,20,22.3,23.7,24.8], ‘z’:[16,16.4,23.6,24.5,19.9,13.6,13.4]}) 

1、条形图

代码： 

chart = ctc.Bar(‘Toronto Temperature’,width=’500px’,height=’400px’)chart.set_options( labels=list(df[‘x’]), x_label=Days, y_label=Temperature (Celsius) , colors=[‘#1EAFAE’ for i in range(len(df))] )chart.add_series(This week,list(df[‘y’]))chart.render_notebook() 

效果：

在这个条形图中，所有的条形图都有相同的颜色。如果你想自定义每个条形图的颜色，你只需要更改一行代码。 

chart = ctc.Bar(‘title’,width=’500px’,height=’400px’)chart.set_options( labels=list(df[‘x’]), x_label=”Days”, y_label=”Temperature (Celsius)” , colors=[‘#FFF1C9’,’#F7B7A3,’#EA5F89,’#9B3192,’#57167E’,’#47B39C’,’#00529B’] )chart.add_series(“This week”,list(df[‘y’]))chart.render_notebook() 

2、线图

如果想观察时间序列数据的变动差异，线图无疑更直观。

代码： 

chart = ctc.Line(“Toronto Temperature”,width=’500px’,height=’400px’)chart.set_options( labels=list(df[‘x’]), x_label=”Days”, y_label=”Temperature (Celsius)” )chart.add_series(“This Week”, list(df[‘y’]))chart.add_series(“Last Week”, list(df[‘z’]))chart.render_notebook() 

还有一个特别的功能：

当你把鼠标悬停在图表上时，图表会自动显示带有数字的标签，而且还画了一条虚线，这样本周和上周的气温差异就更加直观了。

3、源码库雷达图

要将线型图改为雷达图，你只需要将图表类型改为ctc.Radar。

代码： 

chart = ctc.Radar(‘Toronto Temperature’,width=’700px’,height=’600px’)chart.set_options( labels=list(df[‘x’]), is_show_legend=True, #by default, it is true. You can turn it off. legend_pos=’upRight’ #location of the legend )chart.add_series(‘This week’,list(df[‘y’]))chart.add_series(“Last week”,list(df[‘z’]))chart.render_notebook() 

效果：

4、饼图

我们需要另一个数据集来制作饼图和甜甜圈图。

创建数据集： 

df=pd.DataFrame({ ‘x’:[‘Asia’, ‘Africa’, ‘Europe’, ‘North America’, ‘South America’, ‘Australia’], ‘y’:[59.69, 16, 9.94, 7.79, 5.68, 0.54]}) 

这个数据集包含了大洲名称和人口占比。 

chart = ctc.Pie(‘% of population by continent’,width=’500px’,height=’400px’)chart.set_options( labels=list(df[‘x’]), inner_radius=0 )chart.add_series(list(df[‘y’])) chart.render_notebook() 

效果：

而且把饼图变成甜甜圈图也很容易。你只需要改变inner_radius的参数。

代码： 

df=pd.DataFrame({ ‘x’:[‘Asia’, ‘Africa’, ‘Europe’, ‘North America’, ‘South America’, ‘Australia’], ‘y’:[59.69, 16, 9.94, 7.79, 5.68, 0.54]})chart = ctc.Pie(‘% of population by continent’,width=’500px’,height=’400px’)chart.set_options( labels=list(df[‘x’]), inner_radius=0.6 )chart.add_series(list(df[‘y’])) chart.render_notebook() 

5、散点图

为了绘制散点图，我将创建一个新的数据集。这次我们用到的是温度和冰淇淋销量数据。

数据集： 

Temperature = [14.2,16.4,11.9,15.2,18.5,22.1,19.4,25.1,23.4,18.1,22.6,17.2]Sales = [215,325,185,332,406,522,412,614,544,421,445,408] 

散点图代码： 

chart = ctc.Scatter(‘Ice Cream Sales vs Temperature’,width=’500px’,height=’600px’)chart.set_options( x_label=”Temperature (Celcius)”, y_label=”Icecream Sales” , colors=[‘#1EAFAE’], is_show_line = False, dot_size=1)chart.add_series(“Temperature”, [(z[0], z[1]) for z in zip(Temperature, Sales)])chart.render_notebook() 

6、组合图

如果你想把多个图表组合在一起，那么代码也不复杂。 

chart1 = ctc.Line(“Toronto Temperature”,width=’500px’,height=’400px’) chart1.set_options( labels=list(df[‘x’]), x_label=”Days”, y_label=”Temperature (Celsius)” ) chart1.add_series(“This Week”, list(df[‘y’])) chart1.add_series(“Last Week”, list(df[‘z’])) chart2 = ctc.Bar(‘Toronto Temperature’,width=’500px’,height=’400px’)chart2.set_options( labels=list(df[‘x’]), x_label=”Days”, y_label=”Temperature (Celsius)” , colors=[‘#1EAFAE’ for i in range(len(df))] )chart2.add_series(“This week”,list(df[‘y’]))chart2.add_series(“Last week”,list(df[‘z’]))page = Page()page.add(chart1, chart2)page.render_notebook() 

cutecharts这个包非常简单易用，如果你也喜欢这个风格的图表，就赶快试一下。