简单好用的深度学习论文绘图专用工具包--Science Plot

本文主要是介绍简单好用的深度学习论文绘图专用工具包--Science Plot，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

喜欢就关注我们吧！

惊闻昨天美国封禁了哈工大、哈工程两所高校的 Matlab 使用权，很多人担忧禁用范围会进一步扩大到我国多所高校。Matlab在科研仿真，以及绘图上是一个非常方便的工具，如果一旦禁用，是不是我们就不好绘制出好看的科研图表了呢。非也，今天我们一起欣赏一个开源的、非常炫酷的 matolotlib 风格的绘图库。

喜欢的话，记得帮我们转发一下哦～

对于一篇优质的论文而言，除了好的idea之外，好的绘图可以给人眼前一亮的感觉，让审稿人和读者一下子就可以记住你的论文和实验结果，为论文接收和被他人引用创造机会。许多科研工作者大部分都是有好的idea，也有好的实验结果，但是在表达和汇总自己的实验结果方面就显得力不从心，因此经常会有作者收到review之后疯狂质疑审稿人到底有没有读过自己的文章.。。。

不得不说随着顶会投稿数量的爆炸性增长，审稿人力不从心，使得一部分审稿人的水平确实较之前有所降低，但是好的论文配图会增加论文脱颖而出的可能。之前的配图一般使用的是matplotlib，ggplot2，MATLAB等这样的绘图包，然而matplotlib默认设置绘制出来的图总让人感觉没有那么专业，ggplot2的图确实优美但是R语言又比较小众，MATLAB...（因为川建国同志，可能以后我们就不能用MATLAB绘图发表论文了）。在这种情况下，SciencePlots就是非常好的一个选择。

SciencePlots是一个专门为科研论文打造的轻量化的绘图工具包，安装SciencePlots最简单的方式是使用pip，使用的指令为：

# 安装最新版
pip install git+https://github.com/garrettj403/SciencePlots.git# 安装稳定版
pip install SciencePlots

安装完成后，使用SciencePlots也非常简单，只需要导入matplotlib工具包，选择相应的style即可。例如，如果想要给Science投稿，那么只需要引入下列的主题：

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

需要使用IEEE的格式，则是

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

但是需要注意的是，IEEE的格式会覆盖一些Science的风格，例如列宽，行距等。

接下来，用一些例子来展示一下SciencePlots的用法和具体的效果，首先，引入一些初始的数据并进行绘制。

import numpy as np
import matplotlib.pyplot as plt
def model(x, p): return x ** (2 * p + 1) / (1 + x ** (2 * p))
x = np.linspace(0.75, 1.25, 201)

如果不使用SciencePlots，使用matplotlib的绘制代码：

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 ($\mu$A)')
ax.autoscale(tight=True)
fig.savefig('fig1.jpg', dpi=300)

绘制结果如下：

无论是形状，字体看上去都并不专业。如果我们稍加改造，使用SciencePlots中Science的提交格式，上面的图片就会变为：

无论是坐标轴的刻度线，字体都变得高大上了很多。具体的做法也非常简单，只需要一行简单的with语句就可以完成字体，坐标轴，图例等诸多任务，代码为：

with plt.style.context(['science']):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 ($\mu$A)')        ax.autoscale(tight=True)        fig.savefig('figures/fig1.pdf')        fig.savefig('figures/fig1.jpg', dpi=300)

OK，SCI中了，现在我们需要投个CVPR什么的了。IEEE要求黑白印刷出来的文章也需要能够区分颜色。之前我们还需要查IEEE颜色表什么的，但是现在，类似的，我们只需要修改一下with语句，就可以得到IEEE样式的：

with plt.style.context(['science', 'ieee']):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 ($\mu$A)')    ax.autoscale(tight=True)    fig.savefig('figures/fig2.pdf')    fig.savefig('figures/fig2.jpg', dpi=300)

图片的效果则变为了：

除了二维的线图（line plot），散点图同样可以绘制：

with plt.style.context(['science', 'scatter']):    fig, ax = plt.subplots(figsize=(4,4))    ax.plot([-2, 2], [-2, 2], 'k--')    ax.fill_between([-2, 2], [-2.2, 1.8], [-1.8, 2.2], color='dodgerblue', alpha=0.2, lw=0)    for i in range(7):        x1 = np.random.normal(0, 0.5, 10)        y1 = x1 + np.random.normal(0, 0.2, 10)        ax.plot(x1, y1, label=r"$^\#${}".format(i+1))    ax.legend(title='Sample', loc=2)    ax.set_xlabel(r"$\log_{10}\left(\frac{L_\mathrm{IR}}{\mathrm{L}_\odot}\right)$")    ax.set_ylabel(r"$\log_{10}\left(\frac{L_\mathrm{6.2}}{\mathrm{L}_\odot}\right)$")    ax.set_xlim([-2, 2])    ax.set_ylim([-2, 2])    fig.savefig('figures/fig3.pdf')    fig.savefig('figures/fig3.jpg', dpi=300)

图片结果如下：