“Beginning Python”（七）“matplotlib”

    上一篇主要介绍的是用“ReportLab”库来画图和生成报告，并顺便提到了matplotlib。事实上，经过一番探索，我发现：matplotlib+numpy才是目前最流行的python画图模块。这一章，我将结合我之前碰到的几个实际应用，来一窥matplotlib的奇妙。

一、模块简介

    matplotlib与numpy一般是组合在一起使用，前者执行画图，后者执行矩阵运算。

1，matplotlib

    http://matplotlib.org/

    上面是matplotlib的官网，它提供了一个“gallery”，里面有各种用matplotlib画的图，点击图片即可看到源码，非常方便用户找到适合自己需要的模板。此外，它的文档也做的很详细，并提供PDF文件共下载。

    如果想快速入门了解，可以看这两篇博客：

    http://www.cnblogs.com/wei-li/archive/2012/05/23/2506940.html

    http://hyry.dip.jp/tech/book/page/scipy/matplotlib.html

    matplotlib事实上，分为快速画图API和面向对象画图。快速画图API由matplotlib.pyplot模块提供支持，它是对各种对象的封装，以使它用起来像matlab。如果碰上比较复杂的画图和大型工程，最好选择“面向对象画图”，而不是matplotlib.pyplot。

2，numpy

    http://www.numpy.org/

    以上是numpy的官网，它提供了文档链接：https://docs.scipy.org/doc/

    从这个链接来看，貌似numpy已经和scipy捆绑了。

    如果想要快速了解numpy，可以从这个文档链接跳转：“NumPy User Guide -> Quickstart”；一般性的函数查询，可以进入“NumPy Reference”。

二、实战项目

1，项目介绍

    我在学python之前写过一篇博文：《介绍两种通过IQ数据快速画时域功率图的方法》。

    “http://blog.csdn.net/sagittarius_warrior/article/details/54963431”

    这两种方法分别是matlab和excel。现在，我就用python，严格来说是numpy+matplotlib，来重新实现这个项目。此外，在我的博文《IQ波形文件生成器》中，我生成了一个二进制波形文件，但是并不知道里面的数据是否正确，现在可以将这个二进制波形文件读取出来，画出功率图来查看它是否正确。

    http://blog.csdn.net/sagittarius_warrior/article/details/74426542

先看一下实现效果：

                       

    对比上面这幅图和之前用matlab画的图，从波形上看是一致，只是线条的粗细不同。

2，代码分析

#PyPlotWave
import struct
from math import sqrt
import numpy as np
import matplotlib.pyplot as plt

filename1 = input('Please enter wave file name:\t') or 'DataOfIQ.txt'
fOut = open('wave.iqbin','wb') 
for line in open(filename1, 'rt').readlines():
    str1, str2 = line.split(',')
    iBytes, qBytes = struct.pack('f',float(str1)), struct.pack('f',float(str2))  
    fOut.write(iBytes)  
    fOut.write(qBytes)

fOut.close()

A = np.fromfile("wave.iqbin", dtype=np.float32)  # read the data into numpy
x = A[::2]
y = A[1::2]
fig, ax = plt.subplots()
ax.plot(x **2 + y ** 2)
plt.show()

1）8-16行主要将txt文件转为二进制文件。

2）17行读取二进制文件，并返回一个（一维）矩阵。

3）18-19行应用了step技巧，通过list的slice方法，抽取奇偶项组成新的（一维）矩阵。

注：参考https://docs.python.org/2.3/whatsnew/section-slices.html

4）20-22行画图。