python数据可视化的步骤：分享一个趣味性十足的Python可视化技巧
python数据可视化的步骤：分享一个趣味性十足的Python可视化技巧colors_x = extcolors.extract_from_path(img_url tolerance=12 limit = 12) colors_x output我们调用的是extcolors模块来从图片中提取颜色，输出的结果是RGB形式呈现出来的颜色，代码如下那么按照惯例，第一步一般都是导入模块，可视化用到的模块是matplotlib模块，我们将图片中的颜色抽取出来之后会保存在颜色映射表中，所以要使用到colormap模块，同样也需要导入进来import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib.patches as patches import matplotlib.image as mpimg from PIL import Image from
作者：俊欣
来源：关于数据分析与可视化
今天小编来为大家分享一个有趣的可视化技巧，如何从图片中提取颜色然后绘制成可视化图表，如下图所示
在示例照片当中有着各种各样的颜色，我们将通过Python中的可视化模块以及opencv模块来识别出图片当中所有的颜色要素，并且将其添加到可视化图表的配色当中
导入模块并加载图片那么按照惯例，第一步一般都是导入模块，可视化用到的模块是matplotlib模块，我们将图片中的颜色抽取出来之后会保存在颜色映射表中，所以要使用到colormap模块，同样也需要导入进来
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import matplotlib.image as mpimg
from PIL import Image
from matplotlib.offsetbox import OffsetImage AnnotationBbox
import cv2
import extcolors
from colormap import rgb2hex
然后我们先来加载一下图片，代码如下
input_name = 'test_1.png'
img = plt.imread(input_name)
plt.imshow(img)
plt.axis('off')
plt.show()
output
我们调用的是extcolors模块来从图片中提取颜色，输出的结果是RGB形式呈现出来的颜色，代码如下
colors_x = extcolors.extract_from_path(img_url tolerance=12 limit = 12)
colors_x
output
([((3 107 144) 180316)
((17 129 140) 139930)
((89 126 118) 134080)
((125 148 154) 20636)
((63 112 126) 18728)
((207 220 226) 11037)
((255 255 255) 7496)
((28 80 117) 4972)
((166 191 198) 4327)
((60 150 140) 4197)
((90 94 59) 3313)
((56 66 39) 1669)]
538200)
我们将上述的结果整合成一个DataFrame数据集，代码如下
def color_to_df(input_color):
colors_pre_list = str(input_color).replace('([(' '').split(' (')[0:-1]
df_rgb = [i.split(') ')[0] ')' for i in colors_pre_list]
df_percent = [i.split(') ')[1].replace(')' '') for i in colors_pre_list]
# 将RGB转换成十六进制的颜色
df_color_up = [rgb2hex(int(i.split(" ")[0].replace("(" ""))
int(i.split(" ")[1])
int(i.split(" ")[2].replace(")" ""))) for i in df_rgb]
df = pd.DataFrame(zip(df_color_up df_percent) columns=['c_code' 'occurence'])
return df
我们尝试调用上面我们自定义的函数，输出的结果至DataFrame数据集当中
df_color = color_to_df(colors_x)
df_color
output
接下来便是绘制图表的阶段了，用到的是matplotlib模块，代码如下
fig ax = plt.subplots(figsize=(90 90) dpi=10)
wedges text = ax.pie(list_precent
labels= text_c
labeldistance= 1.05
colors = list_color
textprops={'fontsize': 120 'color':'black'}
)
plt.setp(wedges width=0.3)
ax.set_aspect("equal")
fig.set_facecolor('white')
plt.show()
output
从出来的饼图中显示了每种不同颜色的占比，我们更进一步将原图放置在圆环当中，
imagebox = OffsetImage(img zoom=2.3)
ab = AnnotationBbox(imagebox (0 0))
ax1.add_artist(ab)
output
最后制作一张调色盘，将原图中的各种不同颜色都罗列开来，代码如下
## 调色盘
x_posi y_posi y_posi2 = 160 -170 -170
for c in list_color:
if list_color.index(c) <= 5:
y_posi = 180
rect = patches.Rectangle((x_posi y_posi) 360 160 facecolor = c)
ax2.add_patch(rect)
ax2.text(x = x_posi 400 y = y_posi 100 s = c fontdict={'fontsize': 190})
else:
y_posi2 = 180
rect = patches.Rectangle((x_posi 1000 y_posi2) 360 160 facecolor = c)
ax2.add_artist(rect)
ax2.text(x = x_posi 1400 y = y_posi2 100 s = c fontdict={'fontsize': 190})
ax2.axis('off')
fig.set_facecolor('white')
plt.imshow(bg)
plt.tight_layout()
output
这一块儿是实战环节，我们将上述所有的代码封装成一个完整的函数
def exact_color(input_image resize tolerance zoom):
output_width = resize
img = Image.open(input_image)
if img.size[0] >= resize:
wpercent = (output_width/float(img.size[0]))
hsize = int((float(img.size[1])*float(wpercent)))
img = img.resize((output_width hsize) Image.ANTIALIAS)
resize_name = 'resize_' input_image
img.save(resize_name)
else:
resize_name = input_image
fig.set_facecolor('white')
ax2.axis('off')
bg = plt.imread('bg.png')
plt.imshow(bg)
plt.tight_layout()
return plt.show()
exact_color('test_2.png' 900 12 2.5)
output
