您现在的位置：程式師世界 >> 編程語言 > >> 更多編程語言 >> Python

一款神器的 Python 工具，不寫一行代碼，就可以調用 Matplotlib 繪圖

編輯：Python

介紹一款新的繪圖神器：sviewgui，它是一個基於 PyQt 的 GUI，用於 csv 文件或 Pandas 的 DataFrame 的數據可視化。喜歡本文記得收藏、關注、點贊。

注：技術交流、資料獲取，文末見

此 GUI 基於 matplotlib，您可以通過多種方式可視化您的 csv 文件。主要特點：

Ⅰ 散點圖、線圖、密度圖、直方圖和箱線圖類型；
Ⅱ 標記大小、線寬、直方圖的 bin 數量、顏色圖的設置（來自 cmocean）；
Ⅲ 將圖另存為可編輯的 PDF；
Ⅳ 繪制圖形的代碼可用，以便它可以在 sviewgui 之外重用和修改；

項目地址：https://github.com/SojiroFukuda/sview-gui

這個包用法超級簡單，它只有一種方法：buildGUI()。此方法可以傳入零個或一個參數。您可以使用 csv 文件的文件路徑作為參數，或者使用 pandas 的DataFrame對象作為參數。類似代碼寫法如下：

# 第一種形式
import sviewgui.sview as sv
sv.buildGUI()
# 第二種形式
import sviewgui.sview as sv
FILE_PATH = "User/Documents/yourdata.csv"
sv.buildGUI(FILE_PATH)
# 第三種形式
import sviewgui.sview as sv
import pandas as pd
FILE_PATH = "User/Documents/yourdata.csv"
df = pd.read_csv(FILE_PATH)
sv.buildGUI(df)

上面代碼，只是幫助驅動打開這個GuI可視化界面。

最後強調一點，由於這個庫是基於matplotlib可視化的，因此seaborn風格同樣適用於這裡，因為seaborn也是基於matplotlib可視化的。

sviewgui安裝

這個庫的依賴庫相當多，因此大家直接采用下面這行代碼安裝sviewgui庫。

pip install sviewgui -i https://pypi.tuna.tsinghua.edu.cn/simple/ --ignore-installed

後面這個--ignore-installed，我最開始是沒加的，但是報錯了，大致錯誤如下：

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.

直到加這個就行，不用管為什麼，因為我也不知道！

sviewgui使用

上面我為大家介紹了3種打開GUI圖形界面窗口的代碼，這裡僅介紹下面這種方法：

import sviewgui.sview as svsv.buildGUI()

截圖如下：

當你在命令行輸入上述代碼後，會驅動後台打開這個圖形化界面窗口，初始化狀態大致是這樣的：

點擊上述select，可以選擇數據源：

然後我們可以點擊左側菜單欄，生成對應的圖形。但是有一點，貌似不支持中文！！！

如果你覺得這裡不足以完善你想要的圖形，可以復制圖形所對應的Python代碼，簡單修改即可。

然後，你拿著下面的代碼，簡單修改，就可以生成漂亮的Matplotlib圖形了。

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()