为何说2020这⼀年很赛博朋克？

⼀提到赛博朋克（cyberpunk）这个词，很多⼈可能会第⼀时间浮想出上⾯这样的场景。

喜欢看科幻题材的⼀定知道，很多有名的作品就是基于赛博朋克的世界观设定（加餐，作品推荐《银翼杀⼿》，《黑客帝国》，《攻壳机动队》，《⻄部世界》）。⽽如果对⽐百年前，现在的我们在过去看来其实本⾝就已经很赛博朋克了，就像很多故事⾥描述的，⼈们过着⾼科技但低品质的⽣活。

不同于很多反乌托邦故事的世界设定，在看似光鲜亮丽的表象之下，更多的是隐藏在背后的黑暗和不堪。⽽赛博朋克的世界描述的则是，⼈们如何在黑暗中摸索，寻找光明。⽽过去这⼀年我们所经历的和期盼的也正是这样。

承接上⼀期的Python数据可视化的专题 “Python数据科学⾷⽤指南：⽤数据可视化⽅法来理解房价”，那我们这⼀期就来聊聊，如何⽤这种赛博朋克的精神来风格化你分析好的数据，也就是如标题所说的--赛博朋克化你的数据。这将是⼀次在黑暗中寻找光明的旅程。

如何“cyberpunk”你的数据

在理解了赛博朋克是⼀种什么样的感觉后（还不理解的话，可以参考下⾯的配图），如何以“赛博朋克”的样式来可视化你的数据，这⾥会介绍两个⽅法，第⼀种是⾃⼰写代码来实现，第⼆种则是使⽤既有的库。

这次的内容是在使⽤下⾯的python库后的有感⽽发，有兴趣的可以访问原⽹页。

Github: https://github.com/dhaitz/mplcyberpunk

⾼能预警，之后有⼤量代码，只对结果感兴趣的可以只看效果图，或直接跳到⽅法2。这⾥只对部分代码做基本的解释，⼀切靠悟性了哈。

开始我们的cyberpunk前，我们先加载⼀些必要⼯具包，以及准备⼀份数据。这⾥⽤random函数随机模拟了2个学⽣的10次考试成绩，可以看到，⾮常⼤起⼤落〜

有了数据后，我们先试着可视化下数据，这⾥只⽤了默认的plot，效果如下，⾮常中规中矩。

既然我们是要⼀个赛博朋克的世界观，那当然整个世界得是暗黑的，这⾥我们通过图中选中的代码，来对初始的背景和⾊调做⼀个改变。

黑夜已⾄，那事物⾃然也会失去其本来的⾊彩。这⾥我们⾃定义了符合cyberpunk感的⾊调。

就像我们说的，很多时候，正因为在黑暗中，光才变得难能可贵。⽽很多时候，感动我们的也正是那些微⼩的光源。这⾥我们给每个节点和线条加上光晕。

光晕特效的原理其实是，在原有的plot图层上叠加了⼀层完全⼀样，但半透明且更粗的图层。

故事的最后，既然有了光，⾃然也还会有阴影。这⾥我们给初始轴到数据线条之间的区域填充阴影。这样⼀个赛博朋克风格的可视化图就完成了。

上⾯的⽅法1是我们亲⾃⼀个个叠加效果来实现的。如果想省时省⼒的话，可以直接调⽤"mplcyberpunk"这个python库。

⾸先，⽤pip来安装

pip install mplcyberpunk

之后就是在最终出图前加上⼀句调⽤，就能快速的实现⼀键换装了！（之前的⽅法1其实就是⽅法2幕后的故事）

此外，这个库还提供了⼀套配⾊⽅案，就像下⾯的地形图和3D建模⼀样，我们也能快速的变更⾊调。

我们不清楚过去2020这⼀年只是永夜的序章还是黎明前的黑暗，但⼼怀光明，总能找到属于你的光。就像欧洲中世纪⼤瘟疫（黑死病）⼀样，很多时候我们不能只看到灾难本⾝。的确因黑死病死去的⽣命太多，但这⼀历史事件同样对之后的⽂明发展产⽣了重⼤影响。

原本⾮常艰难的社会转型因为黑死病⽽突然变得顺畅，同时也推动了科学的发展和宗家的改⾰。现在的我们同样也是站在了这个历史转折点上，不管未来如何，我们都是在推动着这⼀历史进程的⼈。

说完⼤道理，如果⼤家感兴趣我们的python⾷⽤指南专题，就来个⼀键三连哈（我不会告诉你是因为想玩cyberpunk 2077才出了这期专题的? 〜）

Python系列课程讲师介绍

❖ 龚老师

「课程B+：AI高阶+大数据分析应用强化+多项目实战」主讲

筑波大学（计算机专业）/互联网大手/Research Scientist

擅长方向：大数据分析·AI建模·模型优化