介紹一款新的繪圖神器：sviewgui。

sviewgui介紹

sviewgui是一個基于 PyQt 的 GUI，用于 csv 文件或 Pandas 的 DataFrame 的數(shù)據(jù)可視化。此 GUI 基于 matplotlib，您可以通過多種方式可視化您的 csv 文件。主要特點：

• Ⅰ 散點圖、線圖、密度圖、直方圖和箱線圖類型；
• Ⅱ 標記大小、線寬、直方圖的 bin 數(shù)量、顏色圖的設(shè)置（來自 cmocean）；
• Ⅲ 將圖另存為可編輯的 PDF；
• Ⅳ 繪制圖形的代碼可用，以便它可以在 sviewgui 之外重用和修改；

項目地址：https://github.com/SojiroFukuda/sview-gui

這個包用法超級簡單，它只有一種方法：buildGUI()。此方法可以傳入零個或一個參數(shù)。您可以使用 csv 文件的文件路徑作為參數(shù)，或者使用 pandas 的DataFrame對象作為參數(shù)。類似代碼寫法如下：

# 第一種形式
import sviewgui.sview as sv
sv.buildGUI()

# 第二種形式
import sviewgui.sview as sv
FILE_PATH = "User/Documents/yourdata.csv"
sv.buildGUI(FILE_PATH)

# 第三種形式
import sviewgui.sview as sv
import pandas as pd

FILE_PATH = "User/Documents/yourdata.csv"
df = pd.read_csv(FILE_PATH)
sv.buildGUI(df)

上面代碼，只是幫助驅(qū)動打開這個GuI可視化界面。

最后強調(diào)一點，由于這個庫是基于matplotlib可視化的，因此seaborn風(fēng)格同樣適用于這里，因為seaborn也是基于matplotlib可視化的。

sviewgui安裝

這個庫的依賴庫相當(dāng)多，因此大家直接采用下面這行代碼安裝sviewgui庫。

pip install sviewgui -i https://pypi.tuna.tsinghua.edu.cn/simple/ --ignore-installed

后面這個--ignore-installed，我最開始是沒加的，但是報錯了，大致錯誤如下：

ERROR: Cannot uninstall 'certifi'. It is a distutils installed project and thus we cannot 
accurately determine which files belong to it which would lead to only a partial uninstall.

直到加這個就行，不用管為什么，因為我也不知道！

sviewgui使用

上面我為大家介紹了3種打開GUI圖形界面窗口的代碼，這里僅介紹下面這種方法：

import sviewgui.sview as sv
sv.buildGUI()

截圖如下：

當(dāng)你在命令行輸入上述代碼后，會驅(qū)動后臺打開這個圖形化界面窗口，初始化狀態(tài)大致是這樣的：

點擊上述select，可以選擇數(shù)據(jù)源：

然后我們可以點擊左側(cè)菜單欄，生成對應(yīng)的圖形。但是有一點，貌似不支持中文！！！

如果你覺得這里不足以完善你想要的圖形，可以復(fù)制圖形所對應(yīng)的Python代碼，簡單修改即可。

然后，你拿著下面的代碼，簡單修改，就可以生成漂亮的Matplotlib圖形了。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import cmocean

#2021/07/13 08:03:18 
#- Import CSV as DataFrame ---------- 
FILE_PATH = 'C:/Users/Administrator/Desktop/plot.csv'
DATA = pd.read_csv(FILE_PATH)
#- Axes Setting ---------- 
fig, ax = plt.subplots()
ax.set_title( "x-y")
ax.set_xlabel( "x")
ax.set_ylabel( "x" )
ax.set_xlim(min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() ) - abs( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() )/10), max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna()) + abs(max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna())/10)  )
ax.set_ylim( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() ) - abs( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() )/10), max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna()) + abs(max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna())/10)  )
#- PLOT ------------------ 
ax.plot( DATA["x"].replace([np.inf, -np.inf], np.nan), DATA["x"].replace([np.inf, -np.inf], np.nan), linewidth = 3.0, alpha =1.0, color = "#005AFF" )
plt.show() 

推薦閱讀

牛逼！Python常用數(shù)據(jù)類型的基本操作（長文系列第①篇）
牛逼！Python的判斷、循環(huán)和各種表達式（長文系列第②篇）
牛逼！Python函數(shù)和文件操作（長文系列第③篇）
牛逼！Python錯誤、異常和模塊（長文系列第④篇）

吳恩達deeplearining.ai的經(jīng)典總結(jié)資料

Ps：從小程序直接獲取下載