分享一个趣味性十足的Python可视化技巧

如下图所示：

在示例照片当中有着各种各样的分享颜色，我们将通过Python中的个趣可视化模块以及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味性配色当中。

导入模块并加载图片

那么按照惯例，可视第一步一般都是化技导入模块，可视化用到的分享模块是matplotlib模块，我们将图片中的个趣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，味性同样也需要导入进来。可视

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,化技 AnnotationBbox

import cv2

import extcolors

from colormap import rgb2hex

然后我们先来加载一下图片，站群服务器代码如下：

input_name = test_1.png

img = plt.imread(input_name)

plt.imshow(img)

plt.axis(off)

plt.show()

output

提取颜色并整合成表格

我们调用的分享是extcolors模块来从图片中提取颜色，输出的个趣结果是RGB形式呈现出来的颜色，代码如下：

colors_x = extcolors.extract_from_path(img_url,味性 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(([(,可视 ).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，输出的化技结果至DataFrame数据集当中。

df_color = color_to_df(colors_x)

df_color

output

绘制图表

接下来便是绘制图表的阶段了，网站模板用到的是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

实战环节

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

在公众号后台回复【可视化】便可以获取本篇文章的所有代码。云南idc服务商