写在前面
本文是在实验过程中进行简单数据处理时，使用的部分画图程序，涉及折线图、散点图、直方图。所用数据均保存在txt文档中。在函数使用过程中也曾遇到问题，这里的程序是测试可用的，或可作为借鉴。

环境

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from scipy.optimize import curve_fit as cf
import matplotlib.ticker as ticker

折线图和图中箭头

数据读取

path = 'D:/python_result/Calibration/'
inch3 = open(path + '3-inch.txt')
font = {'weight': 'normal', 'size': 30} # 字体

inch3.readline().split()

用到的数据在txt文档里按行存储，一行是一组数据，并且每相邻两行数据是一样的。

['0.378375','0.3795','0.3840625','0.3799375','0.364625','0.358625','0.34175','0.339125','0.3423125','0.353','0.3696875']

画图

画图过程简单，只是选取数据plot就好

x = [0, -7, -24, -40, -50, -59.5, -70, -80, -108.2, -131.8, -146.8]
label = [20, 13, -4, -20, -30, -39.5, -50, -50, -21.8, 1.8, 16.8]
fig = plt.figure(figsize=(20, 12))
ax = fig.add_subplot(1, 1, 1)
for tmp in inch3.readlines():tmp = list(map(float, tmp.split()))if i % 2 == 0:plt.plot(x, tmp, linewidth=1.5, marker='o', markersize=10)i += 1
plt.plot([-70, -70], [-0.5, 1.1], color='blue', linewidth=2.5, linestyle='--')
plt.plot([-80, -80], [-0.5, 1.1], color='red', linewidth=2.5, linestyle='--')

这是调整参数之前的效果，可以看出来x，y轴的范围以及坐标轴上ticks的大小都要调整

设置图像参数

参数实际上是在图已经画出来之后调整的，依据需要的效果

ax.set_xlabel(r'$^\circ$C', font) # x轴label，font是之前声明的字体属性
ax.set_ylabel(r'Gain of 3-inch PMTs ($1\times10^7$)', font) # y轴label
plt.tick_params(labelsize=30) # 坐标轴ticks的字体大小
plt.grid(linestyle='--') # figure中的网格线
plt.xlim(5, -150) # x轴范围
plt.ylim(0.2, 0.85) # y轴范围
plt.xticks(x, label) # 修改x轴的ticks

这是调整参数之后的效果

根据需要在图中添加箭头

为了更好的说明图中展示的数据，需要在其中加上箭头以及文字说明，用到的是matplotlib.pyplot.annotate函数，可以点击查看其参数说明。不过使用过程中发现，xytext参数，也就是设置文本显示坐标的参数，其坐标单位和图中的坐标并不匹配，因此是不断修改尝试而得到想要的结果的。

ax.annotate('Cooling process', xy=(-70, 0.506),xytext=(0.25, 0.45), textcoords='axes fraction',arrowprops=dict(facecolor='blue', shrink=0.05),fontsize=25,horizontalalignment='center', verticalalignment='bottom')
ax.annotate('', xy=(-18, 0.506),xytext=(0, 0.47), textcoords='axes fraction',arrowprops=dict(facecolor='blue', shrink=0.05),fontsize=25,horizontalalignment='center', verticalalignment='bottom')
ax.annotate('Heating process', xy=(-150, 0.506),xytext=(0.75, 0.45), textcoords='axes fraction',arrowprops=dict(facecolor='red', shrink=0.05),fontsize=25,horizontalalignment='center', verticalalignment='bottom')
ax.annotate('', xy=(-96, 0.506),xytext=(0.55, 0.47), textcoords='axes fraction',arrowprops=dict(facecolor='red', shrink=0.05),fontsize=25,horizontalalignment='center', verticalalignment='bottom')

加上箭头以及文字说明的效果

至此完成。

散点图

数据读取

path = 'D:/python_result/'
hv1_1 = np.loadtxt(path + 'HV1_1.txt', encoding='utf-8', delimiter='\t')
hv2_1 = np.loadtxt(path + 'HV2_1.txt', encoding='utf-8', delimiter='\t')
hv3_1 = np.loadtxt(path + 'HV3_1.txt', encoding='utf-8', delimiter='\t')
date = np.loadtxt(path + 'Date_1.txt', encoding='utf-8', delimiter='\t', dtype=str).astype(str)
font = {'weight': 'normal', 'size': 30} # 字体

hv1_1长这样

date长这样

画图

散点图选择数据scatter就好

fig = plt.figure(figsize=(20, 12))
ax = fig.add_subplot(1, 1, 1)
ax.scatter(date, hv1_1, s=30, c='r', marker='.', label='PMTID 80010', linewidth=3)
ax.scatter(date, hv2_1, s=30, c='b', marker='.', label='PMTID 80061', linewidth=3)
ax.scatter(date, hv3_1, s=30, c='k', marker='.', label='PMTID 80064', linewidth=3)

此时的图长这样，横坐标是日期信息，太密了，什么都看不出来，并且有三组信息但是缺少legend，还有坐标轴范围和ticks的字体大小需要调整

设置图像参数

将之前的图像添加了坐标轴的label、网格线、legend，并修改了坐标轴范围、坐标轴ticks的字体大小和横坐标的疏密度

ax.set_xlabel('Date', font)
ax.set_ylabel('HV / V', font)
plt.tick_params(labelsize=30)
ax.xaxis.set_major_locator(ticker.MultipleLocator(68)) # 用来修改横坐标的疏密度
plt.legend(prop=font, loc='upper right')
plt.ylim(900, 1350)
plt.grid(linestyle='--')

此时的样子

直方图和拟合

数据获取

这里的直方图使用的数据和前面的散点图是同样的

path = 'D:/python_result/'
hv1_1 = np.loadtxt(path + 'HV1_1.txt', encoding='utf-8', delimiter='\t')
hv2_1 = np.loadtxt(path + 'HV2_1.txt', encoding='utf-8', delimiter='\t')
hv3_1 = np.loadtxt(path + 'HV3_1.txt', encoding='utf-8', delimiter='\t')
date = np.loadtxt(path + 'Date_1.txt', encoding='utf-8', delimiter='\t', dtype=str).astype(str)

画图

使用hist画图

fig = plt.figure(figsize=(20, 12))
ax = fig.add_subplot(1, 1, 1)
mu = np.mean(hv1_1)
sigma = np.std(hv1_1)
par1 = ax.hist(hv1_1, **params, color='r', label='$\mathrm{PMTID\ 80010}$\n$Mean=%.1f$\n$RMS=%.1f$' % (mu, sigma), linewidth=5, range=(1000, 1300))

此时的直方图中，没有legend，没有坐标轴label，坐标轴ticks字体大小不够，并且还为做拟合。

设置图像参数

添加坐标轴label，修改坐标轴ticks字体大小

ax.set_xlabel('HV / V', font)
ax.set_ylabel('Counts', font)
plt.tick_params(labelsize=30)

拟合并绘制拟合图像

使用的拟合函数是高斯函数

def gaussian(x, *param):return param[0]*np.exp(-np.power(x - param[1], 2.) / (2 * np.power(param[2], 2.)))

拟合并获得拟合得到的参数，绘制拟合结果，添加legend。

x = np.linspace(mu - 50, mu + 50, 1000)
# curve_fit的返回值中para是拟合参数，pco是方差-协方差矩阵，可以通过对pco的对角元开方得到拟合参数的标准差作为拟合误差
para, pco = cf(gaussian, par1[1][0: len(par1[0])], par1[0], p0=[70, mu, sigma])
mu = para[1]
sigma = para[2]
plt.legend(labels=['$\mathrm{PMTID\ 80010}$\n$\mu=%.1f$\n$\sigma=%.1f$' % (mu, sigma)], prop=font)
plt.plot(x, gaussian(x, *para), color='orange', linewidth=3)

待续

python中的折线图、散点图、直方图绘制和图像参数设置相关推荐

python中画折线图不同颜色的两段_matplotlib绘制精美的折线图——另附颜色、形状查找表...
0 配置及环境系统: win7 x64 python: 3.64 x64 包: matplotlib.numpy 本文主要是讲述如何利用python的matplotlib包来绘制精美的折线图,包括绘 ...
python中画折线图要用什么库_python画最最简单的折线图
原博文 2018-05-03 14:58 − # encoding=utf-8import matplotlib.pyplot as pltfrom pylab import * #支持中文mpl.r ...
python做动态折线图_Python数据可视化 pyecharts实现各种统计图表过程详解
1.pyecharts介绍 Echarts是一款由百度公司开发的开源数据可视化JS库,pyecharts是一款使用python调用echarts生成数据可视化的类库,可实现柱状图,折线图,饼状图,地图 ...
R绘图 vs Python绘图(散点图、折线图、直方图、条形图、箱线图、饼图、热力图、蜘蛛图)
写在前面:为啥不用excel绘制这些图,用PoweBI,帆软BI等可视化软件来绘图,不是更方便吗?的确,这些工具都很方便,但同时,它们显得很呆,不够灵活,更为致命的是,它们绘制出的图形,分辨率不够,用 ...
python 画蜘蛛_R绘图 vs Python绘图(散点图、折线图、直方图、条形图、箱线图、饼图、热力图、蜘蛛图)...
写在前面:为啥不用excel绘制这些图,用PoweBI,帆软BI等可视化软件来绘图,不是更方便吗?的确,这些工具都很方便,但同时,它们显得很呆,不够灵活,更为致命的是,它们绘制出的图形,分辨率不够,用 ...
Matplotlib【学习大礼包】数据可视化基础掌获绘图基础语法与常用参数、设置pyplot的动态rc参数、绘制散点图、折线图、直方图、饼图
文章目录如何查看完整版!!(代码+图片) 第3章 Matplotlib 数据可视化基础 3.1 掌获绘图基础语法与常用参数 3.1.1 掌获pyplot基础语法 1.创建画布与创建子图 2.添加画布 ...
一篇文章让你学会绘画十一种常见数据分析图（折线图，直方图，散点图，雷达图等等）
本篇博文主要内容ython Pyplot中的十一个常用绘图,包括参数说明,代码,运行结果. 有问题可以+Q180096010一起交流学习~ 目录 1. 折线图 plt.plot绘制折线图代码展示: 2 ...
第五章. 可视化数据分析图表—Seaborn图表（折线图，直方图，条形图，散点图）
第五章. 可视化数据分析图 5.7 Seaborn图表 Seaborn是一个基于Matplotlib的高级可视化效果库,偏向于统计图表,主要针对的是数据挖掘和机器学习中的变量特征选取,相比Matplo ...
数据分析入门之Matplotlib数据可视化基础(散点图、折线图、直方图、饼图、箱线图)
文章目录 1.掌握pyplot基础语法 1.1.基本绘图流程 1.2.创建画布与创建子图 1.2.1.设置画布大小 1.2.2.添加图列 1.2.3.解决中文乱码 1.3.添加画布内容 1.4.保存与 ...

python中的折线图、散点图、直方图绘制和图像参数设置

环境

折线图和图中箭头

数据读取

画图

设置图像参数

根据需要在图中添加箭头

散点图

数据读取

画图

设置图像参数

直方图和拟合

数据获取

画图

设置图像参数

拟合并绘制拟合图像

待续

python中的折线图、散点图、直方图绘制和图像参数设置相关推荐

最新文章

热门文章