開源項目地址：https://github.com/garrettj403/SciencePlots

安裝這個包，需要輸入魔法：

pip install SciencePlots

例如繪制如下函數，導入matplotlib包：

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)

science樣式，代碼如下：

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)

science+ieee樣式，代碼如下：

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)

science+scatter樣式：

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)

high-vis樣式：

with plt.style.context(['science', 'high-vis']): 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/fig4.pdf') fig.savefig('figures/fig4.jpg', dpi=300)

dark_background+science+high-vis樣式：

with plt.style.context(['dark_background', 'science', 'high-vis']): 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/fig5.pdf') fig.savefig('figures/fig5.jpg', dpi=300)

bright樣式

with plt.style.context(['science', 'bright']): fig, ax = plt.subplots() for p in [5, 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/fig6.pdf') fig.savefig('figures/fig6.jpg', dpi=300)

vibrant樣式：

with plt.style.context(['science', 'vibrant']): fig, ax = plt.subplots() for p in [5, 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/fig7.pdf') fig.savefig('figures/fig7.jpg', dpi=300)

muted樣式：

with plt.style.context(['science', 'muted']): fig, ax = plt.subplots() for p in [5, 7, 10, 15, 20, 30, 38, 50, 100, 500]: ax.plot(x, model(x, p), label=p) ax.legend(title='Order', fontsize=7) ax.set(xlabel='Voltage (mV)') ax.set(ylabel='Current ($\mu$A)') ax.autoscale(tight=True) fig.savefig('figures/fig8.pdf') fig.savefig('figures/fig8.jpg', dpi=300)

retro樣式：

with plt.style.context(['science', 'retro']): 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/fig9.pdf') fig.savefig('figures/fig9.jpg', dpi=300)

science+notebook樣式：

with plt.style.context(['science', 'notebook']): 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/fig10.pdf') fig.savefig('figures/fig10.jpg', dpi=300)

science+grid樣式，代碼如下：

with plt.style.context(['science', 'grid']): 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/fig11.pdf') fig.savefig('figures/fig11.jpg', dpi=300)

先不說了，廣告時間又到了，現在植入廣告：幾個《傳熱學》相關的小程序總結如下，可在微信中點擊體驗：

有限元三角單元網格自動剖分

Delaunay三角化初體驗

(理論戳這)

Contour等值線繪制

(理論戳這)

2D非穩態溫度場有限元分析

1D穩態導熱溫度場求解

(源碼戳這)

1D非穩態導熱溫度場求解程序

(源碼戳這)

2D穩態導熱溫度場求解

(源碼戳這)

普朗克黑體單色輻射力

《傳熱學》相關小程序演示動畫如下(其中下圖1D非穩態導熱計算發散，調小時間步長后重新計算，結果收斂！)：

黑體單色輻射力如下圖，可見溫度越高，同頻率輻射力越大：

《(計算)流體力學》中的幾個小程序，可在微信中點擊體驗：

Blasius偏微分方程求解速度邊界層

(理論這里)

理想流體在管道中的有勢流動

(源碼戳這)

渦量-流函數法求解頂驅方腔流動

(源碼戳這)

SIMPLE算法求解頂驅方腔流動

(源碼戳這)

Lattice Boltzmann Method計算繞流演示

(參考源碼)

流體力學實驗在線演示

進行演示

關于《(計算)流體力學》相關的幾個小程序演示動畫如下：

LBM(=Lattice Boltzmann Method)計算得到的圓柱繞流“卡門渦街”演示(由于網格較少，分辨率低，圓柱近乎正方形)：

順便，《(熱工過程)自動控制》中關于PID控制器的仿真可點擊此處體驗：PID控制演示小程序，(PID控制相關視頻見：基礎/整定/重要補充)。動畫如下：

(正文完！)

現將往期內容制成目錄，內容如下：

1前言(已完成)

2HTML5 基礎(已完成)

2.1 開發平臺搭建(已完成)

2.2 HTML5基礎入門(已完成)

2.2.1 js基礎(已完成)

2.2.2 HTML標簽簡介(已完成)

2.2.3 文檔對象模型DOM及表單(已完成)

2.2.4 HTML5 Canvas繪圖基礎(已完成)

2.2.5 HTML5程序調試(已完成)

2.2.6 第三方js類庫(已完成)

2.2.7webAssemble簡介/工具鏈配置/應用DemoCode

2.3 簡單網頁編寫Primer(已完成)

2.3.1 基于easyUI(已完成)

2.3.2 基于bootstrap(已完成)

2.3.3 Wrap it up!(已完成)

2.4 電腦/手機客戶端開發簡介(已完成)

2.5 node.js回首望(已完成)

3 基于HTML5的數據可視化(已完成)

3.1 Contour繪制(已完成)

3.1.1 借助顯卡GPU繪制Contour(已完成)

3.1.2 使用繪圖API繪制Contour的思路(已完成)

3.1.3 繪制三維Contour圖的思路(已完成)

3.2 矢量圖的繪制(已完成)

3.3 繪制曲線(已完成)

3.4 js生成報表(已完成)

4 高等數學中若干簡單數值計算算例(已完成)

4.1 數值積分、高等函數繪制(已完成)

4.2 非線性方程求解(已完成)

4.3 差分與簡單常微分方程初值問題(已完成)

5 使用HTML5編程實現熱傳導溫度場求解(已完成)

5.1 一維導熱算例(已完成)

5.1.1一維無內熱源溫度場數值模擬(基于基于HTML5編程)(已完成)

5.1.2 一維非穩態無內熱源導熱程序(已完成)

5.2 二維導熱算例-綜述(已完成)

5.2.1 二維導熱算例-熱導的概念(已完成)

5.2.2 二維導熱算例-迭代計算(已完成)

5.2.3 二維導熱算例-整體架構(已完成)

5.2.4 二維無內熱源穩態導熱程序(已完成)

5.2.5.1 webGL顯式迭代計算溫度場的shader[顯卡風扇不能停]

5.2.5.2 webGL隱式迭代計算溫度場的shader[顯卡風扇不能停]

5.3 幾個傳熱學視頻

5.3.1 [視頻]導熱控制偏微分方程

5.3.2 [視頻]一維肋的穩態導熱溫度場求解

5.3.3 [視頻]集中參數法求解集總體的非穩態溫度場

5.3.4 [視頻]熱傳導問題的數值解法

5.3.5 [視頻]二維常物性不可壓流體對流換熱問題的數學描述

5.3.6 [視頻]兩個封閉系統輻射換熱計算

5.4 Wrap it up!(已完成)

6 工程流體力學(已完成)

6.1 理想流體的簡單勢流計算(已完成)

6.2 粘性流體渦量-流函數算法(已完成)

6.3 SIMPLE算法(已完成)

6.4 投影算法(已完成)

6.5 邊界層-Blasius方程的求解(已完成)

6.6 開源軟件與商業軟件(已完成)

7 小型制冷設計(已完成)

7.1 使用js多快好省繪制簡單CAD圖紙(已完成)

7.1.1 二維圖紙繪制(已完成)

7.1.2 三維圖紙繪制(已完成)

7.2 冷凝器算例(已完成)

7.2.1 需求分析及前端界面(已完成)

7.2.2 計算程序(已完成)

7.2.3 圖紙輸出(已完成)

7.3 蒸發器算例(已完成)

8 熱工過程自動控制(已完成)

8.1 時域分析與頻域分析(已完成)

8.2 汽包鍋爐水位自動控制(已完成)

8.2a 數字PID控制示例，以液位控制為例

8.3 串口讀寫(已完成)

8.4 PID控制器三部分：基礎/整定/重要補充(已完成)

9 物聯網(已完成)

10 機器學習(已完成)

11 虛擬現實(已完成)

11.1 webVR/AR：webGL的副業

Where to go from here?(已完成)

[python從入門到放棄系列]

Python基本命令、函數、數據結構

8個常用Python庫從安裝到應用

python API操作tecplot做數據處理

(已完成)

用pyautogui批量輸入表單(已完成)

推公式sympy(已完成)

基于百度OCR的文字識別(已完成)

pyautogui+acrobat去PDF水印一例(已完成)

[瞎侃系列]

平行宇宙引-雙縫干涉實驗-量子糾纏態

Gmsh使用教程

不服跑個分！-解Laplace偏微分方

《傳熱學/流體力學》中幾個簡單演示程序

LBM計算卡門渦街繞流

總結

以上是生活随笔為你收集整理的science图表_使用基于matplotlib的SciencePlots绘制精美图表的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。