So konvertieren Sie eine CSV-Datei in ein Diagramm in Python

So konvertieren Sie eine CSV-Datei in ein Diagramm in Python - Bild 1

Die meisten Datenbank- und Tabellenkalkulationsanwendungen können Tabellendaten bequem in Form von CSV-Dateien (comma-separated-values) ausgeben. Während CSV-Dateien aufgrund ihrer Einfachheit und Portabilität praktisch sind, sind sie für die Anzeige oder Analyse großer Datenmengen unwirksam. Um diese Einschränkung zu überwinden, kann ein Programmierer die Programmiersprache Python und matplotlib verwenden, um Daten aus einer CSV-Datei zu plotten und ein lesbares, optisch ansprechendes Diagramm zu erstellen, das für die Veröffentlichung im Internet oder in gedruckter Form geeignet ist.

Index

    Vorbereitung zum Plotten von CSV-Daten

    Bevor Sie die CSV-Datei tatsächlich in Python plotten, sollten Sie sicherstellen, dass Sie über alle erforderlichen Tools verfügen, und eine Testdatei erstellen. Dazu gehört die Installation von Python und den erforderlichen Bibliotheken sowie eine CSV-Datei, die zwei Spalten mit numerischen Daten enthält.

    Schritt 1: Testdatei erstellen

    Öffnen Sie zunächst Ihren Texteditor und erstellen Sie zum Testen eine einfache CSV-Datei. Ein Beispiel könnte so aussehen:

    1,2 2,3 3,8 4,13 5,18 6,21 7,13 7,5,4 2,5,4,3

    Schritt 2: Importieren Sie die erforderlichen Bibliotheken

    Jetzt können Sie die erforderlichen Python-Bibliotheken mit dieser Codezeile in Ihre Codedatei importieren:

    import matplotlib.pyplot als plt import csv import sys

    Plot Graph in Python aus CSV

    Nachdem Sie Ihre Vorbereitung erledigt haben, können Sie jetzt damit beginnen, Python tatsächlich zu verwenden, um ein Diagramm aus einer CSV-Datei zu zeichnen.

    Schritt 1: Leserobjekt erstellen

    Öffnen Sie die CSV-Datei und erstellen Sie daraus ein Reader-Objekt. Deklarieren Sie Variablen, um die oberen und unteren Grenzen für die x- und y-Achsenwerte des Diagramms zu definieren:

    csv_reader = csv.reader(open('test.csv')) bigx = float(-sys.maxint -1) bigy = float(-sys.maxint -1) smallx = float(sys.maxint) smally = float(sys .maxint)

    Schritt 2: Iteriere über Zeilen

    Iterieren Sie über jede Zeile, die im Reader-Objekt enthalten ist, und speichern Sie jede Zeile als Scheitelpunkt in einem Scheitelpunktarray. Vergleichen Sie in derselben Schleife die x- und y-Werte, um ihre oberen und unteren Grenzen zu speichern. Sortieren Sie das Vertex-Array und durchlaufen Sie es erneut. Speichern Sie diesmal die sortierten x- und y-Werte in separaten Arrays:

    verts = [] für Zeile in csv_reader: verts.append(row) if float(row[0]) > bigx: bigx = float(row[0]) if float(row[1]) > bigy: bigy = float( Zeile[1]) if float(row[0]) < smallx: smallx = float(row[0]) if float(row[1]) < smally: smally = float(row[1]) verts.sort() x_arr = [] y_arr = [] für vert in verts: x_arr.append(vert[0]) y_arr.append(vert[1])

    Schritt 3: Erstellen Sie ein FigureCanvas-Objekt

    Erstellen Sie ein FigureCanvas-Objekt mit dem importierten Matplotlib-Pyplot-Objekt. Fügen Sie die Achsen des Diagramms zu FigureCanvas hinzu, indem Sie die Funktion add_axes aufrufen und ihr ein Array von Werten in der Form übergeben: left, bottom, width, height. Diese Werte definieren, wo das Diagramm auf der Leinwand platziert wird – sie können zwischen 0,0 und 1,0 liegen:

    fig = plt.figure() ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])

    Schritt 4: Formatieren Sie das Diagramm

    Formatieren Sie das Diagramm, indem Sie Beschriftungen hinzufügen und die Mindest- und Höchstwerte für jede Achse definieren:

    ax.set_xlabel('x-Daten') ax.set_ylabel('y-Daten') ax.set_xlim(smallx,bigx) ax.set_ylim(smally,bigy)

    Schritt 5: Zeichnen Sie den Graphen

    Zeichnen Sie das Diagramm, indem Sie die beiden Arrays übergeben, die die aus der CSV-Datei abgerufenen x- und y-Werte enthalten. Passen Sie das Liniendiagramm an, indem Sie optionale Werte wie Linienfarbe (color) oder Linienbreite (lw) übergeben. Zeigen Sie das fertige Diagramm an, indem Sie die Methode show aufrufen, um ein Fenster zu öffnen, und speichern Sie das Bild, indem Sie savefig aufrufen, um eine Bitmap-Datei auf der Festplatte zu erstellen:

    ax.plot(x_arr,y_arr, color='blue', lw=2) plt.show() fig.savefig('test.png')

    Wichtige Überlegungen zu Dateien

    Um Dateien zu erstellen, die der Python-Interpreter lesen kann, müssen Sie einen ASCII-Text- oder Code-Editor verwenden, der nur Textdateien erstellt. Sie können Diagrammbilder in vielen verschiedenen Bildformaten speichern, darunter: png, pdf, ps und svg.

    Konsultieren Sie die Matplotlib-Dokumentation

    Einige Aspekte der Installation und Funktionalität der Matplotlib-Bibliothek variieren auf verschiedenen Computerplattformen. Lesen Sie die Dokumentation sorgfältig durch. Die Bibliothek kann numerische Informationen auf vielfältige Weise darstellen und kann fein angepasst werden. Eine gründliche Lektüre der Dokumentation ist notwendig, um kompetent zu werden.

    Das könnte Sie auch interessieren

    Schreibe einen Kommentar

    Deine E-Mail-Adresse wird nicht veröffentlicht.

    Go up