是不是经常被Matplotlib各种复杂的函数和颜色折腾地死去活来？
是不是在使用Matplotlib画图的时候，没有搜索引擎就走不动路？
其实，如果我们能把常用的函数和模块集中在一张图表上，工作效率会快许多。
国外有个牛人(Nicolas-Rougier)就这么做了，来看看他的笔记：
每一个代码块对应其右边的图形，非常简洁明了，根本不需要翻译！
比较进阶的使用，结合许多基本图形生成复杂的图形：
一些使用上的提醒和小技巧：
建议在你使用Matplotlib绘图时，开个小窗体将下面两张图放在旁边。
这样你就能清楚知道什么样的图形最符合你的需求、代码该怎么写、有没有其他style可选，非常方便。
我们的文章到此就结束啦，如果你喜欢今天的Python 实战教程，请持续关注Python实用宝典。
原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
最近遇到了一个新的情景，需要将彩色图片转化为黑白图片，如果手动地去转化一张一张图片，那就真的太原始人了。
用Python，咱只需要几行代码就可以在几秒内转化上千张图片。而且，这个功能的用途相当广泛，不仅能使图片变得深邃，而且还可以简化一些复杂模型的数学计算，具体可见第三部分的分析。
开始之前，你要确保Python和pip已经成功安装在电脑上噢，如果没有，请访问这篇文章：超详细Python安装指南 进行安装。
Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。
当然，我更推荐大家用VSCode编辑器，把本文代码Copy下来，在编辑器下方的终端装依赖模块，多舒服的一件事啊：Python 编程的最好搭档—VSCode 详细指南。
输入以下命令安装本文所需要的依赖模块:
pip install pillow -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
看到 Successfully installed xxx 则说明安装成功。
首先写一下我们的彩色图转单色图的转化函数，接收两个参数，一个是输入文件的路径，一个是输出文件路径：
from PIL import Image
def colorful_to_single(input_img_path, output_img_path):
"""
彩色图转单色图
:param input_img_path: 图片路径
:param output_img_path: 输出图片路径
"""
img = Image.open(input_img_path)
# 转化为黑白图片
img = img.convert("L")
img.save(output_img_path) (又是注释比代码长系列)
然后将你需要转化的图片放到一个文件夹中，我这里命名该文件夹为imgs，然后指定一个输出文件夹 output，如下：
dataset_dir = 'imgs'
output_dir = 'output'
# 获得需要转化的图片路径并生成目标路径
image_filenames = [(
os.path.join(dataset_dir, file_dir),
os.path.join(output_dir, file_dir)
) for file_dir in os.listdir(dataset_dir)]
# 转化所有图片
for path in image_filenames:
colorful_to_single(path[0], path[1])这里比较难理解的可能是image_filenames，用到了列表推导式，即遍历所有dataset_dir里的文件：
for file_dir in os.listdir(dataset_dir)
并将其和我们指定的目录以路径的形式链接起来：
os.path.join(output_dir, file_dir)
最终生成一个数组，第一个元素是输入路径，第二个元素是输出路径：
image_filenames = [(
os.path.join(dataset_dir, file_dir),
os.path.join(output_dir, file_dir)
) for file_dir in os.listdir(dataset_dir)]黑白效果就是这样的：
用途当然也有很多了，比如：
1.在深度学习分类图像的时候，如果并不需要考虑颜色的维度，可以先将图片转化为黑白图，简化运算复杂度。
2.黑白图片有的时候比彩色图片更具备冲击力，能够更加突出主题。
3.黑白图片有些时候也有美颜的作用，因为此时注意力的重点在于脸型，如果那个人的脸型特别好看，但是肤色比较差，这时候黑白照片就很有效果。
我们的文章到此就结束啦，如果你喜欢我们今天的Python 教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
Python之所以这么流行，是因为它不仅能够应用于科技领域，还能用来做许多其他学科的研究工具，最常见的便是绘制地图。
今天我们用matplot工具包之一的：mpl_toolkits来绘制世界地图，这是一个简单的可视化地图工具，你如果希望绘制更加复杂的地图，可以考虑使用Google Maps API，不过这不在我们今天的讨论范围之内。
如果你还没有安装Python，请见这篇文章：超详细Python安装指南
为了能够顺利开展本项目，你需要先安装以下依赖，在cmd或Terminal中输入以下命令：
pip install numpy
pip install matplotlib
为了使用 mpl_toolkits, 单纯安装matplotlib是不够的，我们还需要单独安装basemap，如果你已经安装了Anaconda，那这一步就非常好办，输入以下命令安装即可：
conda install basemap
如果没有的话，就稍微麻烦一点：
1.安装geos: pip install geos
2.根据你的Python版本下载basemap
http://www.lfd.uci.edu/~gohlke/pythonlibs/#basemap
PS: cp后面的数字是Python的版本。（在页面上按ctrl+F，输入basemap快速定位）
3.在 cmd 下进入该文件的目录，运行
pip install basemap‑1.2.1‑cp37‑cp37m‑win_amd64.whl
让我们开始绘制一个地球，中心指向中国：
# 导入需要的包 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.basemap import Basemap # 初始化图形 plt.figure(figsize=(8, 8)) # 底图：圆形, lat_0：纬度；lon_o: 经度, (113,29)是武汉 m = Basemap(projection='ortho', resolution=None, lat_0=29, lon_0=113) # 底色 m.bluemarble(scale=0.5) # 显示 plt.show()
这里的重点在于Basemap，指定好你想要放置的中心。
效果还不错哦，不仅如此，它其实不单单只是一张图像，它还是一个功能齐全的matplot画布。这也就意味着，你能够在上面画线！让我们放大地图，进入中国区域，然后标记出深圳的位置：
# 导入需要的包
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
# 以下三行是为了让matplot能显示中文
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong']
mpl.rcParams['axes.unicode_minus'] = False
fig = plt.figure(figsize=(8, 8))
# 注意几个新增的参数, width和height是用来控制放大尺度的
# 分别代表投影的宽度和高度(8E6代表 8x10^6米)
m = Basemap(projection='lcc', resolution=None,
width=8E6, height=8E6,
lat_0=23, lon_0=113,)
m.bluemarble(scale=0.5)
# 这里的经纬度是：(经度, 纬度)
x, y = m(113, 23)
plt.plot(x, y, 'ok', markersize=5)
plt.text(x, y, '深圳', fontsize=12, color="red")
plt.show()
不要用蓝底图了，看得不是很清晰，我们换成浮雕型：
可以很明显地看到山区、丘陵等地理样貌。你还可以根据你的需要，针对某几个城市做连线或者绘制某些经纬度之间的区域。别忘了，这可是matplotlib可编辑的画布。
接下来，我们将上述的世界地图展开成带经纬线的平面图形。
# 导入需要的包
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
from itertools import chain
def draw_map(m, scale=0.2):
# 绘制带阴影的浮雕图像
m.shadedrelief(scale=scale)
# 根据经纬度切割，每13度一条线
lats = m.drawparallels(np.linspace(-90, 90, 13))
lons = m.drawmeridians(np.linspace(-180, 180, 13))
# 集合所有线条
lat_lines = chain(*(tup[1][0] for tup in lats.items()))
lon_lines = chain(*(tup[1][0] for tup in lons.items()))
all_lines = chain(lat_lines, lon_lines)
# 循环画线
for line in all_lines:
line.set(linestyle='-', alpha=0.3, color='w')
fig = plt.figure(figsize=(8, 6), edgecolor='w')
m = Basemap(projection='cyl', resolution=None,
llcrnrlat=-90, urcrnrlat=90,
llcrnrlon=-180, urcrnrlon=180,)
draw_map(m)
plt.show()
嗯，有点那个味了哈。都可以自己去打印出来给小孩子学习地理了。但是他如果想学习地理，好像整个世界有点大？我们先让他学习世界著名景点的位置吧？
# 导入需要的包
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
from itertools import chain
# 以下三行是为了让matplot能显示中文
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong']
mpl.rcParams['axes.unicode_minus'] = False
def draw_point(m, x, y, name):
# 这里的经纬度是：(经度, 纬度)
x, y = m(x, y)
plt.plot(x, y, 'ok', markersize=5)
plt.text(x, y, name, fontsize=12, color="red")
def draw_map(m, scale=0.2):
# 绘制带阴影的浮雕图像
m.shadedrelief(scale=scale)
# 根据经纬度切割，每13度一条线
lats = m.drawparallels(np.linspace(-90, 90, 13))
lons = m.drawmeridians(np.linspace(-180, 180, 13))
# 集合所有线条
lat_lines = chain(*(tup[1][0] for tup in lats.items()))
lon_lines = chain(*(tup[1][0] for tup in lons.items()))
all_lines = chain(lat_lines, lon_lines)
# 循环画线
for line in all_lines:
line.set(linestyle='-', alpha=0.3, color='w')
fig = plt.figure(figsize=(8, 6), edgecolor='w')
m = Basemap(projection='cyl', resolution=None,
llcrnrlat=-90, urcrnrlat=90,
llcrnrlon=-180, urcrnrlon=180,)
locations = {
'泰姬陵': (17, 78),
'吉萨金字塔群': (29, 31),
'英国的巨石阵': (51, 1),
'巴黎圣母院': (48, 2),
'卢浮宫': (48, 2),
'红场和克里姆林': (55, 37),
# ...
}
draw_map(m)
for loc in locations:
print(locations[loc])
draw_point(m, locations[loc][1], locations[loc][0], loc)
plt.show()
这样，你只需要往locations里类似地加入某个地点的经纬度，就能在地图上展示出来了，你还能自定义地画两个地点之间的连线，或者是重点放大某个区域，总而言之，你想干的，基本上基于Matplotlib都可以做得到。
我们的文章到此就结束啦，如果你希望我们今天的Python 教程，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
