Matplotlab绘制散点图小节前言读取数据2.Matplotlab绘图3.问题汇总

125 阅读 0 评论 83 点赞

我是靠谱客的博主合适烧鹅，这篇文章主要介绍Matplotlab绘制散点图小节前言读取数据2.Matplotlab绘图3.问题汇总，现在分享给大家，希望可以做个参考。

前言

现有一堆数据，是散点坐标形式，现在需要将它们绘制成散点图，并解决了关于Matplotlib绘图不能显示汉字的问题。

- 读取数据

数据格式如下图。

第一行为一个数字，表示当前文件共有多少行数据。第二行开始为真正的数据，各数据间以一个Tab分隔。第一列是数据点ID名，第二列是X坐标，第三列是Y坐标，第四、五列暂时用不到，不用管它。第六列是垂轨误差，第七列是沿轨误差。我们要画的一共是4个图，即X方向的垂轨误差图、X方向的沿轨误差图、Y方向的垂轨误差图、Y方向的沿轨误差图。简单解释一下例如X方向的垂轨误差图就是以读取的X坐标为X轴，垂轨误差为Y轴绘制散点图。要使用Matplotlab绘图需要两步，第一步是读取数据，第二部是调用函数绘图。

由于上面介绍的数据格式是我们自己定义的，并没有任何通用的函数可以读取，所以只能自己写个小函数读取。好在Python读取文本文件还是挺简单的，下面直接上代码。

复制代码

def readData(file_path):
    # 打开一个文本文件
    text_file = open(file_path)
    data_item = []
    # x轴垂轨数据
    x_ev = []
    # x轴沿轨数据
    x_eh = []
    # y轴垂轨数据
    y_ev = []
    # y轴沿轨数据
    y_eh = []

# 先读取第一行，读取时注意去掉行尾的换行符
    line = text_file.readline().strip('n')
    # 然后逐行读取数据
    while line:
        line = text_file.readline().strip('n')
        # 如果读取的行内容不为空，则添加到list中
        # 注意这里并不能用None，注意空字符串和空对象的区别
        if line != '':
            data_item.append(line)

# 读取完成后对于读取的每行数据进行简单的提取和处理
    for i in range(data_item.__len__()):
        data = data_item[i].split('t')
        x_coordinate = float(data[1])
        y_coordinate = float(data[2])
        error_vertical = float(data[5])
        error_horizontal = float(data[6])
        x_ev.append([x_coordinate, error_vertical])
        x_eh.append([x_coordinate, error_horizontal])
        y_ev.append([y_coordinate, error_vertical])
        y_eh.append([y_coordinate, error_horizontal])

# 由于原始数据中坐标并没有进行排序，因此这里进行排序
    x_ev.sort()
    x_eh.sort()
    y_eh.sort()
    y_ev.sort()
    return x_ev, x_eh, y_ev, y_eh

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
def readData(file_path):
    # 打开一个文本文件
    text_file = open(file_path)
    data_item = []
    # x轴垂轨数据
    x_ev = []
    # x轴沿轨数据
    x_eh = []
    # y轴垂轨数据
    y_ev = []
    # y轴沿轨数据
    y_eh = []

    # 先读取第一行，读取时注意去掉行尾的换行符
    line = text_file.readline().strip('n')
    # 然后逐行读取数据
    while line:
        line = text_file.readline().strip('n')
        # 如果读取的行内容不为空，则添加到list中
        # 注意这里并不能用None，注意空字符串和空对象的区别
        if line != '':
            data_item.append(line)

    # 读取完成后对于读取的每行数据进行简单的提取和处理
    for i in range(data_item.__len__()):
        data = data_item[i].split('t')
        x_coordinate = float(data[1])
        y_coordinate = float(data[2])
        error_vertical = float(data[5])
        error_horizontal = float(data[6])
        x_ev.append([x_coordinate, error_vertical])
        x_eh.append([x_coordinate, error_horizontal])
        y_ev.append([y_coordinate, error_vertical])
        y_eh.append([y_coordinate, error_horizontal])

    # 由于原始数据中坐标并没有进行排序，因此这里进行排序
    x_ev.sort()
    x_eh.sort()
    y_eh.sort()
    y_ev.sort()
    return x_ev, x_eh, y_ev, y_eh

在读取数据完成后，下面就是用Matplotlab绘图了。

2.Matplotlab绘图

由于我们需要画四个图，因此可以采用subplot的方式绘制。代码较为简单，基本一看就能知道是什么含义，所以直接贴出来。如果有需要，直接修改相关内容即可。

复制代码

# 设置绘图的大小(格网)
plt.figure(figsize=(16, 10))

# 221表示分成2行2列，占用第一块(1行1列)
plt.subplot(221)
plt.title("Rule of residual errors across the track")
plt.xlabel("X")
plt.ylabel("Errors(pixels)")
# 是否显示格网
plt.grid(True)
# s表示散点大小，alpha表示透明度，c表示颜色
points = plt.scatter(np.array(x_ev)[:, 0],
                     np.array(x_ev)[:, 1],
                     s=1,
                     alpha=0.5,
                     c='r')
plt.legend([points], ['Across Track Error'])

# 221表示分成2行2列，占用第三块(2行1列)
plt.subplot(223)
plt.title("Rule of residual errors along the track")
plt.xlabel("X")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(x_eh)[:, 0],
                     np.array(x_eh)[:, 1],
                     s=1,
                     alpha=0.5)
plt.legend([points], ['Along Track Error'])

# 221表示分成2行2列，占用第二块(1行2列)
plt.subplot(222)
plt.title("Rule of residual errors across the track")
plt.xlabel("Y")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(y_ev)[:, 0],
                     np.array(y_ev)[:, 1],
                     s=1,
                     alpha=0.5,
                     c='r')
plt.legend([points], ['Across Track Error'])

# 221表示分成2行2列，占用第四块(2行2列)
plt.subplot(224)
plt.title("Rule of residual errors along the track")
plt.xlabel("Y")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(y_eh)[:, 0],
                     np.array(y_eh)[:, 1],
                     s=1,
                     alpha=0.5)
plt.legend([points], ['Along Track Error'])

# 最后保存绘图，dpi越高图像质量越好
plt.savefig('figure', dpi=600)
plt.show()

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
# 设置绘图的大小(格网)
plt.figure(figsize=(16, 10))

# 221表示分成2行2列，占用第一块(1行1列)
plt.subplot(221)
plt.title("Rule of residual errors across the track")
plt.xlabel("X")
plt.ylabel("Errors(pixels)")
# 是否显示格网
plt.grid(True)
# s表示散点大小，alpha表示透明度，c表示颜色
points = plt.scatter(np.array(x_ev)[:, 0],
                     np.array(x_ev)[:, 1],
                     s=1,
                     alpha=0.5,
                     c='r')
plt.legend([points], ['Across Track Error'])

# 221表示分成2行2列，占用第三块(2行1列)
plt.subplot(223)
plt.title("Rule of residual errors along the track")
plt.xlabel("X")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(x_eh)[:, 0],
                     np.array(x_eh)[:, 1],
                     s=1,
                     alpha=0.5)
plt.legend([points], ['Along Track Error'])

# 221表示分成2行2列，占用第二块(1行2列)
plt.subplot(222)
plt.title("Rule of residual errors across the track")
plt.xlabel("Y")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(y_ev)[:, 0],
                     np.array(y_ev)[:, 1],
                     s=1,
                     alpha=0.5,
                     c='r')
plt.legend([points], ['Across Track Error'])

# 221表示分成2行2列，占用第四块(2行2列)
plt.subplot(224)
plt.title("Rule of residual errors along the track")
plt.xlabel("Y")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(y_eh)[:, 0],
                     np.array(y_eh)[:, 1],
                     s=1,
                     alpha=0.5)
plt.legend([points], ['Along Track Error'])

# 最后保存绘图，dpi越高图像质量越好
plt.savefig('figure', dpi=600)
plt.show()

最终，绘制效果如下。由于上传时压缩等问题，看起来效果没那么好了。原图是9600×6000带透明度的png图像，有8.67MB大小

不得不说Matplotlab是科研绘图利器，使用Matplotlab绘制出的图像质量还是比较高的，抗锯齿等等方面要优于一些老版本的Matlab，但是绘制代码其实和Matlab差不多。

3.问题汇总

关于Matplotlib绘图不能显示汉字的问题，在代码中添加下面两句话即可：

复制代码

1
2
3
4
# 支持中文
font_name = "SimHei"  # 字体名称，这里默认用黑体
plt.rcParams['font.sans-serif'] = [font_name]  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

然后就可以在绘图中显示中文了，还有一个需要注意的地方就是绘图时传入的字符串必须是Unicode字符串(字符串前面加u)，不能是普通默认编码字符串，否则会报错，还是显示不了。实际测试代码段如下：

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# coding=utf-8
from matplotlib import pyplot as plt

if __name__ == '__main__':
    font_name = "SimHei"
    plt.rcParams['font.sans-serif'] = [font_name]
    plt.rcParams['axes.unicode_minus'] = False

    x = [1, 5]
    y = [2, 7]
    # 手动设置字体
    font = {'family': font_name,
            'weight': 'normal',
            'size': 14,
            }
    plt.title(u"测试图例", font)
    plt.xlabel(u"x轴", font)
    plt.ylabel(u"y轴", font)
    plt.plot(x, y)
    plt.show()