paperplotter 0.1.1__tar.gz → 0.1.2__tar.gz

paperplotter-0.1.2/MANIFEST.in

@@ -0,0 +1,2 @@
+include examples/*
+recursive-include examples *.py *.png

paperplotter-0.1.2/PKG-INFO

@@ -0,0 +1,149 @@
+Metadata-Version: 2.4
+Name: paperplotter
+Version: 0.1.2
+Summary: 一个为科研论文设计的声明式 Matplotlib 封装库，让复杂图表的创建变得简单直观。
+Author-email: VerNe <yuu_seeing@foxmail.com>
+License-Expression: MIT
+Project-URL: Homepage, https://github.com/ID-VerNe/PaperPlot
+Project-URL: Bug Tracker, https://github.com/ID-VerNe/PaperPlot/issues
+Classifier: Programming Language :: Python :: 3
+Classifier: Operating System :: OS Independent
+Classifier: Framework :: Matplotlib
+Classifier: Intended Audience :: Science/Research
+Classifier: Topic :: Scientific/Engineering :: Visualization
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: matplotlib>=3.5.0
+Requires-Dist: numpy>=1.21.0
+Requires-Dist: pandas>=1.3.0
+Requires-Dist: seaborn>=0.11.0
+Requires-Dist: scipy==1.16.3
+Requires-Dist: adjustText==1.3.0
+Dynamic: license-file
+
+# PaperPlot
+
+[![PyPI version](https://badge.fury.io/py/paperplotter.svg)](https://badge.fury.io/py/paperplotter)
+[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
+
+**一个为科研论文设计的声明式 Matplotlib 封装库，让复杂图表的创建变得简单直观。**
+
+`PaperPlot` 的诞生是为了解决在准备学术论文时，使用 Matplotlib 创建高质量、布局复杂的图表所面临的繁琐问题。它通过引入声明式的链式 API 和基于标签（tag）的对象管理，让你能够用更少的代码，更清晰的逻辑，构建从简单网格到复杂组合的各类图表。
+
+## 核心理念与特性
+
+*   **🎨 声明式链式调用**: 像写句子一样构建你的图表，例如 `plotter.add_line(...).set_title(...).set_xlabel(...)`。
+*   **🏷️ 基于标签的控制**: 给每个子图一个独一无二的 `tag`，之后就可以随时通过 `tag` 对其进行任何修改，告别混乱的 `axes[i][j]` 索引。
+*   **🧩 强大的布局系统**: 无论是简单的 `(行, 列)` 网格，还是使用 `subplot_mosaic` 实现的跨行跨列复杂布局，都能轻松定义。
+*   **✨ 内置科研主题**: 提供多种专业美观的内置样式，如 `publication`, `presentation` 等，一键切换图表风格。
+*   **🔬 丰富的领域专用图表**: 内置了科研中常用的图表类型，如光谱图、混淆矩阵、ROC 曲线、学习曲线、分岔图、相量图等。
+*   **🔧 智能美化工具**: `cleanup()` 方法可以智能地共享坐标轴、对齐标签；`cleanup_heatmaps()` 可以为多个热图创建共享的颜色条。
+
+## 安装
+
+```bash
+pip install paperplotter
+```
+
+## 快速开始
+
+只需几行代码，就可以创建一个包含两个子图的 1x2 网格图。
+
+```python
+import paperplot as pp
+import pandas as pd
+import numpy as np
+
+# 1. 准备数据
+df_line = pd.DataFrame({
+    'time': np.linspace(0, 10, 50),
+    'signal': np.cos(np.linspace(0, 10, 50))
+})
+df_scatter = pd.DataFrame({
+    'x': np.random.rand(50) * 10,
+    'y': np.random.rand(50) * 10
+})
+
+# 2. 初始化 Plotter 并绘图
+plotter = pp.Plotter(layout=(1, 2), figsize=(10, 4))
+
+# 3. 添加图表并使用 tag 标记
+plotter.add_line(data=df_line, x='time', y='signal', tag='time_series')
+plotter.add_scatter(data=df_scatter, x='x', y='y', tag='scatter_plot')
+
+# 4. 通过 tag 设置标题和标签
+plotter.set_title('time_series', 'Time Series Data')
+plotter.set_xlabel('time_series', 'Time (s)')
+plotter.set_ylabel('time_series', 'Signal')
+
+plotter.set_title('scatter_plot', 'Scatter Plot')
+plotter.set_xlabel('scatter_plot', 'X Value')
+plotter.set_ylabel('scatter_plot', 'Y Value')
+
+# 5. 保存图像
+plotter.save("quick_start_figure.png")
+```
+
+
+## 通过示例学习 (Learn from Examples)
+
+掌握 `PaperPlot` 最好的方法就是探索我们提供的丰富示例。每个示例都专注于一个核心功能，并附有详细的代码和注释。
+
+### 布局 (Layout)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **高级布局**<br/> `Layout/advanced_layout_example.py` | 展示如何使用列表定义一个跨列的复杂布局。 | `layout=[['A', 'B', 'B'], ...]`<br/>`get_ax_by_name()` |
+| **行跨越**<br/> `Layout/row_span_example.py` | 创建一个图表，其中某个子图跨越多行。 | `layout=[['A', 'B'], ['A', 'C']]` |
+| **块跨越**<br/> `Layout/block_span_example.py` | 创建一个图表，其中某个子图同时跨越多行和多列。 | `layout=[['A', 'A', 'B'], ['A', 'A', 'C']]` |
+| **固定子图宽高比**<br/> `Layout/aspect_ratio_example.py` | 在不指定 `figsize` 的情况下，通过 `subplot_aspect` 保证每个子图单元格的宽高比，Plotter 会自动计算画布大小。 | `subplot_aspect=(16, 9)` |
+
+### 功能与定制化 (Features & Customization)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **多图网格**<br/> `Features_Customization/multi_plot_grid.py` | 在一个网格中混合绘制不同类型的图表（线图、柱状图、散点图、热图）。 | `add_line()`, `add_bar()`, `add_scatter()`, `add_heatmap()` |
+| **高级定制**<br/> `Features_Customization/advanced_customization.py` | 演示如何使用 `get_ax()` "逃生舱口" 来获取原生的 Matplotlib `Axes` 对象，并添加任意 `Patch`（如椭圆）。 | `get_ax()`, `ax.add_patch()` |
+| **全局控制**<br/> `Features_Customization/global_controls_example.py` | 展示如何设置全局标题 (`suptitle`) 和创建全局图例。 | `set_suptitle()`, `add_global_legend()` |
+| **共享颜色条**<br/> `Features_Customization/heatmap_colorbar_example.py` | 为多个热图创建一个共享的、能反映全局数据范围的颜色条。 | `add_heatmap(cbar=False)`, `cleanup_heatmaps()` |
+| **智能清理**<br/> `Features_Customization/cleanup_demonstration.py` | 演示 `cleanup()` 函数如何动态地为指定行/列的子图共享 X/Y 轴，并自动隐藏多余的刻度标签。 | `cleanup(share_y_on_rows=...)`, `cleanup(share_x_on_cols=...)` |
+| **组合图与内嵌图**<br/> `Features_Customization/composite_figure_example.py` | 创建一个 L 型的复杂图表，并在其中一个子图内部嵌入一张图片。 | `layout=[['A', 'A'], ['B', '.']]`, `add_inset_image()` |
+| **功能扩展**<br/> `Features_Customization/feature_expansion_example.py` | 演示双Y轴 (`add_twinx`)、回归图 (`add_regplot`)、参考线 (`add_hline`) 和文本标注 (`add_text`) 等高级功能。 | `add_twinx()`, `add_regplot()`, `add_hline()`, `add_text()` |
+| **错误处理**<br/> `Features_Customization/error_handling_test.py` | 展示 `PaperPlot` 的自定义异常，如 `DuplicateTagError`, `TagNotFoundError`, `PlottingSpaceError`。 | `try...except pp.PaperPlotError` |
+
+### 风格与美化 (Styles & Aesthetics)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **风格画廊**<br/> `Styles_Aesthetics/style_gallery_example.py` | 循环遍历所有内置的绘图风格，并为每种风格生成一个示例图。 | `Plotter(style='...')` |
+| **统计标注**<br/> `Styles_Aesthetics/statistical_annotation_example.py` | 在箱线图上自动进行多组成对统计检验（如 t-test），并智能堆叠显著性标记。 | `add_box()`, `utils.add_pairwise_tests()` |
+| **美学与处理**<br/> `Styles_Aesthetics/aesthetic_and_processing_example.py` | 使用 `utils` 模块中的函数对数据进行平滑处理或根据条件高亮特定数据点。 | `utils.moving_average()`, `utils.highlight_points()` |
+
+### 领域专用图 (Domain-Specific Plots)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **领域专用图合集**<br/> `Domain_Specific_Plots/domain_specific_plots_example.py` | 一站式展示多种领域专用图，包括 SERS 光谱图、混淆矩阵、ROC 曲线和 PCA 散点图。 | `add_spectra()`, `add_confusion_matrix()`, `add_roc_curve()`, `add_pca_scatter()` |
+| **学习曲线**<br/> `Domain_Specific_Plots/learning_curve_example.py` | 绘制机器学习模型的学习曲线，帮助诊断过拟合或欠拟合问题。 | `utils.plot_learning_curve()` |
+| **SERS 浓度图**<br/> `Domain_Specific_Plots/concentration_map_example.py` | 绘制 SERS Mapping 浓度图，本质上是带有专业美化的热图。 | `add_concentration_map()` |
+| **电力系统时间序列**<br/> `Domain_Specific_Plots/power_timeseries_example.py` | 绘制电力系统动态仿真结果，并自动标记故障、切除等事件。 | `add_power_timeseries()` |
+| **相量图**<br/> `Domain_Specific_Plots/phasor_diagram_example.py` | 在极坐标上绘制电气工程中的相量图。 | `add_phasor_diagram()` |
+| **分岔图**<br/> `Domain_Specific_Plots/bifurcation_diagram_example.py` | 绘制常用于非线性系统和稳定性分析的分岔图。 | `utils.plot_bifurcation_diagram()` |
+
+### 数据分析工具 (Data Analysis Utils)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **数据分析工具集**<br/> `Data_Analysis_Utils/data_analysis_utils_example.py` | 演示如何对数据进行分布拟合 (`fit_and_plot_distribution`) 和数据分箱 (`bin_data`)。 | `utils.fit_and_plot_distribution()`, `utils.bin_data()` |
+| **通用工具函数**<br/> `Data_Analysis_Utils/utility_functions_example.py` | 展示更多通用的 `utils` 函数，如在高光谱上高亮特征峰 (`highlight_peaks`) 和在时间序列上标记事件 (`add_event_markers`)。 | `utils.highlight_peaks()`, `utils.add_event_markers()` |
+
+---
+
+## 贡献
+
+欢迎任何形式的贡献！如果你有好的想法、发现了 bug，或者想要添加新的功能，请随时提交 Pull Request 或创建 Issue。
+
+## 许可证
+
+本项目采用 [MIT License](LICENSE)授权。

paperplotter-0.1.2/README.md

@@ -0,0 +1,125 @@
+# PaperPlot
+
+[![PyPI version](https://badge.fury.io/py/paperplotter.svg)](https://badge.fury.io/py/paperplotter)
+[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
+
+**一个为科研论文设计的声明式 Matplotlib 封装库，让复杂图表的创建变得简单直观。**
+
+`PaperPlot` 的诞生是为了解决在准备学术论文时，使用 Matplotlib 创建高质量、布局复杂的图表所面临的繁琐问题。它通过引入声明式的链式 API 和基于标签（tag）的对象管理，让你能够用更少的代码，更清晰的逻辑，构建从简单网格到复杂组合的各类图表。
+
+## 核心理念与特性
+
+*   **🎨 声明式链式调用**: 像写句子一样构建你的图表，例如 `plotter.add_line(...).set_title(...).set_xlabel(...)`。
+*   **🏷️ 基于标签的控制**: 给每个子图一个独一无二的 `tag`，之后就可以随时通过 `tag` 对其进行任何修改，告别混乱的 `axes[i][j]` 索引。
+*   **🧩 强大的布局系统**: 无论是简单的 `(行, 列)` 网格，还是使用 `subplot_mosaic` 实现的跨行跨列复杂布局，都能轻松定义。
+*   **✨ 内置科研主题**: 提供多种专业美观的内置样式，如 `publication`, `presentation` 等，一键切换图表风格。
+*   **🔬 丰富的领域专用图表**: 内置了科研中常用的图表类型，如光谱图、混淆矩阵、ROC 曲线、学习曲线、分岔图、相量图等。
+*   **🔧 智能美化工具**: `cleanup()` 方法可以智能地共享坐标轴、对齐标签；`cleanup_heatmaps()` 可以为多个热图创建共享的颜色条。
+
+## 安装
+
+```bash
+pip install paperplotter
+```
+
+## 快速开始
+
+只需几行代码，就可以创建一个包含两个子图的 1x2 网格图。
+
+```python
+import paperplot as pp
+import pandas as pd
+import numpy as np
+
+# 1. 准备数据
+df_line = pd.DataFrame({
+    'time': np.linspace(0, 10, 50),
+    'signal': np.cos(np.linspace(0, 10, 50))
+})
+df_scatter = pd.DataFrame({
+    'x': np.random.rand(50) * 10,
+    'y': np.random.rand(50) * 10
+})
+
+# 2. 初始化 Plotter 并绘图
+plotter = pp.Plotter(layout=(1, 2), figsize=(10, 4))
+
+# 3. 添加图表并使用 tag 标记
+plotter.add_line(data=df_line, x='time', y='signal', tag='time_series')
+plotter.add_scatter(data=df_scatter, x='x', y='y', tag='scatter_plot')
+
+# 4. 通过 tag 设置标题和标签
+plotter.set_title('time_series', 'Time Series Data')
+plotter.set_xlabel('time_series', 'Time (s)')
+plotter.set_ylabel('time_series', 'Signal')
+
+plotter.set_title('scatter_plot', 'Scatter Plot')
+plotter.set_xlabel('scatter_plot', 'X Value')
+plotter.set_ylabel('scatter_plot', 'Y Value')
+
+# 5. 保存图像
+plotter.save("quick_start_figure.png")
+```
+
+
+## 通过示例学习 (Learn from Examples)
+
+掌握 `PaperPlot` 最好的方法就是探索我们提供的丰富示例。每个示例都专注于一个核心功能，并附有详细的代码和注释。
+
+### 布局 (Layout)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **高级布局**<br/> `Layout/advanced_layout_example.py` | 展示如何使用列表定义一个跨列的复杂布局。 | `layout=[['A', 'B', 'B'], ...]`<br/>`get_ax_by_name()` |
+| **行跨越**<br/> `Layout/row_span_example.py` | 创建一个图表，其中某个子图跨越多行。 | `layout=[['A', 'B'], ['A', 'C']]` |
+| **块跨越**<br/> `Layout/block_span_example.py` | 创建一个图表，其中某个子图同时跨越多行和多列。 | `layout=[['A', 'A', 'B'], ['A', 'A', 'C']]` |
+| **固定子图宽高比**<br/> `Layout/aspect_ratio_example.py` | 在不指定 `figsize` 的情况下，通过 `subplot_aspect` 保证每个子图单元格的宽高比，Plotter 会自动计算画布大小。 | `subplot_aspect=(16, 9)` |
+
+### 功能与定制化 (Features & Customization)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **多图网格**<br/> `Features_Customization/multi_plot_grid.py` | 在一个网格中混合绘制不同类型的图表（线图、柱状图、散点图、热图）。 | `add_line()`, `add_bar()`, `add_scatter()`, `add_heatmap()` |
+| **高级定制**<br/> `Features_Customization/advanced_customization.py` | 演示如何使用 `get_ax()` "逃生舱口" 来获取原生的 Matplotlib `Axes` 对象，并添加任意 `Patch`（如椭圆）。 | `get_ax()`, `ax.add_patch()` |
+| **全局控制**<br/> `Features_Customization/global_controls_example.py` | 展示如何设置全局标题 (`suptitle`) 和创建全局图例。 | `set_suptitle()`, `add_global_legend()` |
+| **共享颜色条**<br/> `Features_Customization/heatmap_colorbar_example.py` | 为多个热图创建一个共享的、能反映全局数据范围的颜色条。 | `add_heatmap(cbar=False)`, `cleanup_heatmaps()` |
+| **智能清理**<br/> `Features_Customization/cleanup_demonstration.py` | 演示 `cleanup()` 函数如何动态地为指定行/列的子图共享 X/Y 轴，并自动隐藏多余的刻度标签。 | `cleanup(share_y_on_rows=...)`, `cleanup(share_x_on_cols=...)` |
+| **组合图与内嵌图**<br/> `Features_Customization/composite_figure_example.py` | 创建一个 L 型的复杂图表，并在其中一个子图内部嵌入一张图片。 | `layout=[['A', 'A'], ['B', '.']]`, `add_inset_image()` |
+| **功能扩展**<br/> `Features_Customization/feature_expansion_example.py` | 演示双Y轴 (`add_twinx`)、回归图 (`add_regplot`)、参考线 (`add_hline`) 和文本标注 (`add_text`) 等高级功能。 | `add_twinx()`, `add_regplot()`, `add_hline()`, `add_text()` |
+| **错误处理**<br/> `Features_Customization/error_handling_test.py` | 展示 `PaperPlot` 的自定义异常，如 `DuplicateTagError`, `TagNotFoundError`, `PlottingSpaceError`。 | `try...except pp.PaperPlotError` |
+
+### 风格与美化 (Styles & Aesthetics)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **风格画廊**<br/> `Styles_Aesthetics/style_gallery_example.py` | 循环遍历所有内置的绘图风格，并为每种风格生成一个示例图。 | `Plotter(style='...')` |
+| **统计标注**<br/> `Styles_Aesthetics/statistical_annotation_example.py` | 在箱线图上自动进行多组成对统计检验（如 t-test），并智能堆叠显著性标记。 | `add_box()`, `utils.add_pairwise_tests()` |
+| **美学与处理**<br/> `Styles_Aesthetics/aesthetic_and_processing_example.py` | 使用 `utils` 模块中的函数对数据进行平滑处理或根据条件高亮特定数据点。 | `utils.moving_average()`, `utils.highlight_points()` |
+
+### 领域专用图 (Domain-Specific Plots)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **领域专用图合集**<br/> `Domain_Specific_Plots/domain_specific_plots_example.py` | 一站式展示多种领域专用图，包括 SERS 光谱图、混淆矩阵、ROC 曲线和 PCA 散点图。 | `add_spectra()`, `add_confusion_matrix()`, `add_roc_curve()`, `add_pca_scatter()` |
+| **学习曲线**<br/> `Domain_Specific_Plots/learning_curve_example.py` | 绘制机器学习模型的学习曲线，帮助诊断过拟合或欠拟合问题。 | `utils.plot_learning_curve()` |
+| **SERS 浓度图**<br/> `Domain_Specific_Plots/concentration_map_example.py` | 绘制 SERS Mapping 浓度图，本质上是带有专业美化的热图。 | `add_concentration_map()` |
+| **电力系统时间序列**<br/> `Domain_Specific_Plots/power_timeseries_example.py` | 绘制电力系统动态仿真结果，并自动标记故障、切除等事件。 | `add_power_timeseries()` |
+| **相量图**<br/> `Domain_Specific_Plots/phasor_diagram_example.py` | 在极坐标上绘制电气工程中的相量图。 | `add_phasor_diagram()` |
+| **分岔图**<br/> `Domain_Specific_Plots/bifurcation_diagram_example.py` | 绘制常用于非线性系统和稳定性分析的分岔图。 | `utils.plot_bifurcation_diagram()` |
+
+### 数据分析工具 (Data Analysis Utils)
+
+| 示例 | 描述 | 关键功能 |
+| :--- | :--- | :--- |
+| **数据分析工具集**<br/> `Data_Analysis_Utils/data_analysis_utils_example.py` | 演示如何对数据进行分布拟合 (`fit_and_plot_distribution`) 和数据分箱 (`bin_data`)。 | `utils.fit_and_plot_distribution()`, `utils.bin_data()` |
+| **通用工具函数**<br/> `Data_Analysis_Utils/utility_functions_example.py` | 展示更多通用的 `utils` 函数，如在高光谱上高亮特征峰 (`highlight_peaks`) 和在时间序列上标记事件 (`add_event_markers`)。 | `utils.highlight_peaks()`, `utils.add_event_markers()` |
+
+---
+
+## 贡献
+
+欢迎任何形式的贡献！如果你有好的想法、发现了 bug，或者想要添加新的功能，请随时提交 Pull Request 或创建 Issue。
+
+## 许可证
+
+本项目采用 [MIT License](LICENSE)授权。

paperplotter-0.1.2/paperplot/styles/flat.mplstyle

@@ -0,0 +1,40 @@
+# styles/flat.mplstyle
+# A modern, flat design style with a bright, friendly palette.
+
+# Font (a clean, modern sans-serif)
+font.family         : sans-serif
+font.sans-serif     : Helvetica, Arial, sans-serif
+font.size           : 12
+axes.labelsize      : 14
+axes.titlesize      : 16
+legend.fontsize     : 11
+xtick.labelsize     : 10
+ytick.labelsize     : 10
+
+# Lines
+lines.linewidth     : 2.0
+lines.markersize    : 6
+
+# Axes
+axes.facecolor      : "#f0f0f0"  # Light gray background for the plot area
+axes.edgecolor      : "#b0b0b0"
+axes.labelcolor     : "#333333"
+axes.titlecolor     : "#333333"
+axes.grid           : True
+axes.axisbelow      : True
+axes.spines.top     : False
+axes.spines.right   : False
+
+# Ticks
+xtick.color         : "#333333"
+ytick.color         : "#333333"
+
+# Grid
+grid.color          : white
+grid.linestyle      : -
+
+# Figure
+figure.facecolor    : white  # White background for the figure
+
+# Color Cycle (from a flat UI palette)
+axes.prop_cycle: cycler(color=["#3498db", "#2ecc71", "#e74c3c", "#f1c40f", "#9b59b6", "#1abc9c"])

paperplotter-0.1.2/paperplot/styles/nord.mplstyle

@@ -0,0 +1,44 @@
+# styles/nord.mplstyle
+# A cool, arctic, north-bluish color scheme from the Nord palette.
+
+# Font
+font.family         : sans-serif
+font.sans-serif     : Segoe UI, Arial, sans-serif
+font.size           : 12
+axes.labelsize      : 14
+axes.titlesize      : 16
+legend.fontsize     : 11
+xtick.labelsize     : 10
+ytick.labelsize     : 10
+
+# Lines
+lines.linewidth     : 2.0
+lines.markersize    : 6
+
+# Axes (light text on dark background)
+axes.facecolor      : "#3B4252"  # nord1
+axes.edgecolor      : "#D8DEE9"  # nord4
+axes.labelcolor     : "#ECEFF4"  # nord6
+axes.titlecolor     : "#ECEFF4"  # nord6
+axes.grid           : True
+axes.axisbelow      : True
+axes.spines.top     : False
+axes.spines.right   : False
+
+# Ticks
+xtick.color         : "#D8DEE9"  # nord4
+ytick.color         : "#D8DEE9"  # nord4
+
+# Grid
+grid.color          : "#4C566A"  # nord3
+grid.linestyle      : --
+
+# Figure
+figure.facecolor    : "#2E3440"  # nord0
+
+# Legend
+legend.frameon      : False
+legend.labelcolor   : "#ECEFF4"
+
+# Color Cycle (the "aurora" colors)
+axes.prop_cycle: cycler(color=["#BF616A", "#D08770", "#EBCB8B", "#A3BE8C", "#B48EAD"])

paperplotter-0.1.2/paperplot/styles/presentation.mplstyle

@@ -0,0 +1,41 @@
+# styles/presentation.mplstyle
+# 一个适合屏幕演示的、高对比度的深色主题
+
+# Fonts (使用无衬线字体，字号更大)
+font.family         : sans-serif
+font.sans-serif     : Arial, Helvetica, sans-serif
+font.size           : 14
+axes.labelsize      : 16
+axes.titlesize      : 18
+legend.fontsize     : 12
+xtick.labelsize     : 12
+ytick.labelsize     : 12
+
+# Lines
+lines.linewidth     : 2.5
+lines.markersize    : 8
+
+# Axes (坐标轴和标签使用白色)
+axes.labelcolor     : white
+axes.titlecolor     : white
+axes.edgecolor      : white
+axes.grid           : True
+axes.axisbelow      : True
+grid.color          : "#444444" # 深灰色网格
+grid.linestyle      : -
+
+# Ticks (刻度使用白色)
+xtick.color         : white
+ytick.color         : white
+
+# Figure (画布和子图背景设为深色)
+figure.facecolor    : "#1e1e1e" # 深灰色背景
+axes.facecolor      : "#2a2a2a" # 稍亮的子图背景
+
+# Spines (隐藏顶部和右侧的轴线)
+axes.spines.top     : False
+axes.spines.right   : False
+
+# Legend (图例背景透明)
+legend.frameon      : False
+legend.labelcolor   : white

paperplotter-0.1.2/paperplot/styles/publication.mplstyle

@@ -0,0 +1,24 @@
+# Fonts
+font.family         : serif
+font.serif          : Times New Roman
+font.size           : 10
+axes.labelsize      : 12
+legend.fontsize     : 9
+xtick.labelsize     : 8
+ytick.labelsize     : 8
+
+# Lines
+lines.linewidth     : 1.5
+lines.markersize    : 4
+
+# Axes
+axes.grid           : True
+axes.axisbelow      : True
+grid.color          : 0.8
+grid.linestyle      : --
+axes.spines.top     : False
+axes.spines.right   : False
+
+# Figure
+figure.dpi          : 300
+figure.facecolor    : white

paperplotter-0.1.2/paperplot/styles/solarized_light.mplstyle

@@ -0,0 +1,44 @@
+# styles/solarized_light.mplstyle
+# A light theme based on the popular Solarized palette.
+
+# Font
+font.family         : sans-serif
+font.sans-serif     : Segoe UI, DejaVu Sans, sans-serif
+font.size           : 12
+axes.labelsize      : 14
+axes.titlesize      : 16
+legend.fontsize     : 11
+xtick.labelsize     : 10
+ytick.labelsize     : 10
+
+# Lines
+lines.linewidth     : 2.0
+lines.markersize    : 7
+
+# Axes
+axes.facecolor      : "#fdf6e3"  # base3
+axes.edgecolor      : "#93a1a1"  # base1
+axes.labelcolor     : "#586e75"  # base01
+axes.titlecolor     : "#073642"  # base02
+axes.grid           : True
+axes.axisbelow      : True
+axes.spines.top     : False
+axes.spines.right   : False
+
+# Ticks
+xtick.color         : "#657b83"  # base00
+ytick.color         : "#657b83"  # base00
+
+# Grid
+grid.color          : "#eee8d5"  # base2
+grid.linestyle      : -
+
+# Figure
+figure.facecolor    : "#fdf6e3"  # base3
+
+# Legend
+legend.framealpha   : 0.5
+legend.facecolor    : "#eee8d5" # base2
+
+# Color Cycle (the accent colors)
+axes.prop_cycle: cycler(color=["#268bd2", "#859900", "#dc322f", "#d33682", "#6c71c4", "#2aa198", "#b58900"])