这篇文章主要讲解了“可以调用Matplotlib绘图的sviewgui怎么使用”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“可以调用Matplotlib绘图的sviewgui怎么使用”吧!
sviewgui介绍
sviewgui是一个基于 PyQt 的 GUI,用于 csv 文件或 Pandas 的 DataFrame 的数据可视化。此 GUI 基于 matplotlib,您可以通过多种方式可视化您的 csv 文件。主要特点:
Ⅰ 散点图、线图、密度图、直方图和箱线图类型
Ⅱ 标记大小、线宽、直方图的 bin 数量、颜色图的设置(来自 cmocean)
Ⅲ 将图另存为可编辑的 PDF
Ⅳ 绘制图形的代码可用,以便它可以在 sviewgui 之外重用和修改
这个包用法超级简单,它只有一种方法:buildGUI()。此方法可以传入零个或一个参数。您可以使用 csv 文件的文件路径作为参数,或者使用 pandas 的DataFrame对象作为参数。类似代码写法如下:
# 第一种形式 import sviewgui.sview as sv sv.buildGUI() # 第二种形式 import sviewgui.sview as sv FILE_PATH = "User/Documents/yourdata.csv" sv.buildGUI(FILE_PATH) # 第三种形式 import sviewgui.sview as sv import pandas as pd FILE_PATH = "User/Documents/yourdata.csv" df = pd.read_csv(FILE_PATH) sv.buildGUI(df)
上面代码,只是帮助驱动打开这个GuI可视化界面。
最后强调一点,由于这个库是基于matplotlib可视化的,因此seaborn风格同样适用于这里,因为seaborn也是基于matplotlib可视化的。
sviewgui安装
这个库的依赖库相当多,因此大家直接采用下面这行代码安装sviewgui库。
pip install sviewgui -i https://pypi.tuna.tsinghua.edu.cn/simple/ --ignore-installed
后面这个--ignore-installed,我最开始是没加的,但是报错了,大致错误如下:
ERROR: Cannot uninstall 'certifi'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.
直到加这个就行,不用管为什么,因为我也不知道!
sviewgui使用
上面我为大家介绍了3种打开GUI图形界面窗口的代码,这里仅介绍下面这种方法:
import sviewgui.sview as sv sv.buildGUI()
截图如下:
当你在命令行输入上述代码后,会驱动后台打开这个图形化界面窗口,初始化状态大致是这样的:
点击上述select,可以选择数据源:
然后我们可以点击左侧菜单栏,生成对应的图形。但是有一点,貌似不支持中文!!!
如果你觉得这里不足以完善你想要的图形,可以复制图形所对应的Python代码,简单修改即可。
然后,你拿着下面的代码,简单修改,就可以生成漂亮的Matplotlib图形了。
import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import cmocean #2021/07/13 08:03:18 #- Import CSV as DataFrame ---------- FILE_PATH = 'C:/Users/Administrator/Desktop/plot.csv' DATA = pd.read_csv(FILE_PATH) #- Axes Setting ---------- fig, ax = plt.subplots() ax.set_title( "x-y") ax.set_xlabel( "x") ax.set_ylabel( "x" ) ax.set_xlim(min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() ) - abs( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() )/10), max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna()) + abs(max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna())/10)) ax.set_ylim( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() ) - abs( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() )/10), max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna()) + abs(max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna())/10)) #- PLOT ------------------ ax.plot( DATA["x"].replace([np.inf, -np.inf], np.nan), DATA["x"].replace([np.inf, -np.inf], np.nan), linewidth = 3.0, alpha =1.0, color = "#005AFF" ) plt.show()