python openc 帧间差分法_python使用Plotnine绘图

Plotnine

plotnine主张模块间的协调与分工，整个plotnine的语法如下：主要包括数据绘图、美化细节

• 采用图层的设计，有利于使用结构化思维实现数据可视化；

  • 有明确的起始(ggplot()开始)与终止；

  • 图层之间叠加是靠+实现，越往后，其图层越在上方；

  • 一个geomxx()函数或statxx()函数可以绘制一个图层；

• 将表征数据和图形细节分开，能快速将图形表现出来，使创造性的绘图更加容易实现。

  • 通过stat_xx()将常见的统计变换融入绘图中;

plotnine包

• 使用pip install plotnine 安装；

• 使用from plotnine import *导入；

• 使用from plotnine data import * 导入plotnine包自带的数据集；

plotnine绘图基本语法结构

1. ggplot():底层绘图函数；

• Data为数据集，主要是数据框( data.frame)格式的数据集；

• Mapping表示变量映射，用来表示变量X和Y，还可以用来控制颜色(color)、大小(size)、形状(shape)；

1. geomxx()|statxx():几何图层或统计变换；

• 比如常见的：

  • 散点图geompoint()

  • 柱形图geombar()

  • 直方图geomhistogram()

  • 箱形图geomboxplot()

  • 折线图geom_line()等

• 通常使用geom_xx()可以绘制大部分图表，有时候通过设定stat参数实现统计变换；

plotnine中可选的图表输入信息包括：

主要用于实现对于图表的美化和变换等；

1. scale_xx():度量调整，调整具体的度量：

• 颜色(color)、大小(size)、形状(shape)；

• 与mapping的映射变量相对应；

1. coord_xx():笛卡尔坐标系;

• plotnine无法实现极坐标系和地理空间坐标系；

1. facet_xx():分面系统，将某个变量进行分面变换；

• 包括俺行、列或网格等形式分面绘图；

1. guides():图例调整，主要包括连续型和离散型两种类型的图例；

2. theme():主题设定，主要调整图表的细节，包括图表背景颜色、网格线的间隔与颜色；

plotnline绘图函数分类

美学参数映射

plotnine可作为变量的美学映射参数包括：

1. color/col/colour、fill和alpha;

• 属性都是与颜色相关的美学参数；

• color/col/colour是点(point)、线(line)和填充区域(region)轮廓的颜色;

• fill是指定填充区域(region)的颜色；

• alpha是指定颜色的透明度，数值范围是从0(完全透明)到1(不透明)；

1. size:

• 点(point)的尺寸或线的(line)宽度，默认单位为mm,可以在geom_point()函数绘制的散点图基础上，添加size的映射，从而实现气泡图；

1. angle:

• 角度，只有部分几何对象有；

• geomtext()函数中文本的摆放角度、geomspoke()函数中短棒摆放角度；

1. vjust和hjust;

• 与位置调整有关的美学参数；

• vjust--垂直位置微调，在(0,1)区间的数字；

• 位置字符串:0="buttom",0.5="middle",1="top"，区间外的数字微调比例控制不均；

• hjust---水平位置微调，在(0,1)区间的数字；

• 位置字符串:0="buttom",0.5="middle",1="top"，区间外的数字微调比例控制不均：

1. linetype：

• 指定线条的类型；

  • 白线 0="blank";

  • 实线 1="solid";

  • 短虚线 2="dashed";

  • 点线 3="dotted";

  • 点横线 4="dotdash";

  • 长虚线 5="longdash";

  • 短长虚线 6="twodash";

1. shape：

• 指点(point)的形状；

• 为[0,25]区间的26个整数，分别对应方形、圆形、三角形、菱形等26种不同形状；

plotnine常见函数的主要美学映射参数

plotnine用例：

import pandas as pd

import numpy as np

from plotnine import *

#from plotnine.data import *

import matplotlib.pyplot as plt

import matplotlib

#plt.rc('font',family='Times New Roman')

matplotlib.rcParams['font.family'] = 'Times New Roman'

df=pd.read_csv("d:/python/out/FacetD.csv")

#age映射到点的大小size--

p1=(ggplot(df, aes(x='SOD',y='tau',size='age')) +

geom_point(shape='o',color="black",

fill="#336A97",stroke=0.25,alpha=0.8)+

theme(text=element_text(size=12,colour = "black"),

aspect_ratio =1,

dpi=100,

figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1

print(p1)

#p1.save("plotnine1.pdf")

age映射到点的大小size和填充颜色fill

import pandas as pd

import numpy as np

from plotnine import *

#from plotnine.data import *

import matplotlib.pyplot as plt

import matplotlib

#plt.rc('font',family='Times New Roman')

matplotlib.rcParams['font.family'] = 'Times New Roman'

df=pd.read_csv("d:/python/out/FacetD.csv")

#-age映射到点的大小size和填充颜色fill

p2=(ggplot(df, aes(x='SOD',y='tau',size='age',fill='age')) +

geom_point(shape='o',color="black",stroke=0.25, alpha=0.8)+

#scale_fill_distiller(type='seq', palette='blues') +

theme(text=element_text(size=12,colour = "black"),

aspect_ratio =1,

dpi=100,

figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1

print(p2)

#p2.save("plotnine2.pdf")

age和Class分别映射到点的大小size和颜色fill

import pandas as pd

import numpy as np

from plotnine import *

#from plotnine.data import *

import matplotlib.pyplot as plt

import matplotlib

#plt.rc('font',family='Times New Roman')

matplotlib.rcParams['font.family'] = 'Times New Roman'

df=pd.read_csv("d:/python/out/FacetD.csv")

#age和Class分别映射到点的大小size和颜色fill--

p4=(ggplot(df, aes(x='SOD',y='tau',size='age',fill='Class')) +

geom_point(shape='o',colour="black",stroke=0.25, alpha=0.8)+

#scale_fill_hue(s = 0.90, l = 0.65, h=0.0417,color_space='husl')+

theme(text=element_text(size=12,colour = "black"),

aspect_ratio =1,

dpi=100,

figure_size=(4,4))) #shape=21,color="black",fill="red",size=3,stroke=0.1

print(p4)

p4.save("plotnine4.pdf")

文件比较

今天需要比较两个excel文件，因此就用difference函数完成文件比较。

#文件比较

import pandas as pd

df1=pd.read_csv('d:/python/out/cut628a_out.csv',encoding='utf8')

df2=pd.read_csv('d:/python/out/cut628b_out.csv',encoding='utf8')

s1=set([tuple(values) for values in df1.values.tolist()])#将数据帧转换为集合

s2=set([tuple(values) for values in df2.values.tolist()])

s1.symmetric_difference(s2)#检查s1和s2的区别

print (pd.DataFrame(list(s1.difference(s2))),'\n')

print (pd.DataFrame(list(s2.difference(s1))),'\n')

文件合并

#合并文件

import pandas as pd

df1=pd.read_csv('d:/python/out/cut628a_out.csv',encoding='utf8')

df2=pd.read_csv('d:/python/out/cut628b_out.csv',encoding='utf8')

result=pd.concat([df1,df2])

print(result)

学习小结：今天学习plotnine绘图基本语法框架，并通过案例了解不同的美学参数映射效果。