Vorwort

Ich hatte kürzlich die Gelegenheit, ein Jupyter-Notizbuch zu verwenden, also werde ich zusammenfassen, was ich dort gelernt habe. Ich habe nur die erforderlichen Zeilen in der CSV-Datei gelesen und das Diagramm zeichnen lassen.

CSV-Datei vorzubereiten

Bereiten Sie zwei CSV-Dateien mit Zahlen vor. Der Inhalt der ersten Datei (hoge) 2020-10-28 19.15.24.png

Die zweite Datei (hogehoge) ist 2020-10-30 23.51.21.png

In hoge sind die Werte in 10 Schritten von 0 bis 180 in der zweiten Spalte angeordnet, und die cos- und sin-Werte, die den Werten in der zweiten Spalte entsprechen, werden in der dritten und vierten Spalte eingegeben. hogehoge hat den Wert tan in der dritten Spalte. Wenn Sie es so speichern, wie es ist, wird es als Zahlendatei gespeichert. Schreiben Sie diese Dateien also in eine CSV-Datei und speichern Sie sie. Mit Zahlen können Sie eine CSV-Datei über Datei → Exportieren → CSV… erstellen. 2020-10-28 19.27.27.png

Verzeichnisaufbau

Die Struktur des Verzeichnisses der vorbereiteten CSV-Datei und der erstellten IPynb-Datei (Dateiname ist sample.ipynb) ist wie folgt.

sample
├── CSVfile
│   ├── hoge.csv
│   └── hogehoge.csv
└── sample.ipynb

Code

import Importieren Sie zunächst die diesmal verwendeten Bibliotheken und Module. Die zu verwendenden sind wie folgt.


import matplotlib.pyplot as plt
import matplotlib.ticker as ptick
from matplotlib.pyplot import figure
import japanize_matplotlib
import numpy as np
import pandas as pd

CSV-Datei lesen

Lesen Sie als nächstes die CSV-Datei. Lesen Sie die Werte von row1 und row2 von hoge und die Werte von row1 und row2 von hogehoge.

#CSV-Datei lesen
#usecols: Geben Sie Spalten an, die übersprungen werden sollen: Überspringen von Zeilennamen: Benennen Sie die abzurufenden Spalten
data1 = pd.read_csv("CSVfile/hoge.csv", usecols=[1,2], skiprows=2, names=["x", "y"], encoding="utf8")
data2 = pd.read_csv("CSVfile/hogehoge.csv", usecols=[1,2], skiprows=1, names=["x", "y"], encoding="utf8")

pd.read_csv () ist eine Funktion, die csv liest. Daten betrachten1

Das erste Argument "CSVfile / hoge.csv" ist die zu lesende CSV-Datei
Das zweite Argument usingcols = [1,2] gibt die Spalte an, die dieses Mal verwendet werden soll (in diesem Fall die zweite und dritte Zeile der CSV-Datei).
1. Argument skiprows = 2 gibt die zu überspringende Zeile an (in diesem Fall überspringen Sie 2 Zeilen und lesen Sie den Wert aus der 3. Zeile)
Vierte Argumentnamen = ["x", "y"] benennen die beiden angegebenen Spalten
Das fünfte Argument encoding = "utf8" gibt den Zeichencode an

Es ist geworden.

Zeichnen eines Diagramms

Als nächstes werden die Diagramme für die Spalten, die aus den beiden geladenen CSV-Dateien extrahiert wurden, überlagert und gezeichnet.

plt.figure(figsize=(15, 6))#Diagrammgröße
#Achsenspeicherbreite
plt.xticks(np.arange(0, 180+1, 5))
plt.yticks(np.arange(-1, 1+0.1, 0.1))
#Achsenbeschriftung
plt.xlabel('x', fontsize=15)
plt.ylabel('y', fontsize=15)
#Achsenbereich
plt.xlim([0,180])
plt.ylim([-1,1])
plt.grid(True)#Rastereinstellungen
#Zeichnen eines Diagramms
plt.plot(data1["x"], data1["y"])
plt.plot(data2["x"], data2["y"])#Überlagerungsdiagramme

Mal sehen, was wir von oben machen.

plt.figure () erstellt ein Fenster ohne Grafik. Das Argument figsize = (15, 6) gibt die Größe des Diagramms an.
plt.xticks () ist eine Funktion, die sich auf die Speichereinstellung bezieht. Sie können die Speicherbreite der Achse angeben, indem Sie np.arange () in das erste Argument einfügen. Bei plt.xticks (np.arange (0, 180 + 1, 5)) wird auf der x-Achse ein Speicher mit 5 Intervallen im Bereich von 0 ≤ Wert ≤ 180 angegeben. Das zweite Argument von np.arange () ist 180 + 1, da die Definition von np.arange () das erste Argument ≤ value <zweites Argument ist und wenn das zweite Argument 180 ist Da 180 nicht im Speicher angezeigt wird, ist es +1.
plt.xlabel () beschriftet die Achse, das erste Argument ist der Beschriftungsname und das zweite Argument ist die Schriftgröße.
plt.xlim () legt den Bereich der Achsenwerte fest, wobei diesmal der Bereich der Achsen angegeben wird, sodass die x-Achse 0 ≤ x ≤ 180 und die y-Achse -1 ≤ y ≤ 1 ist. ..
plt.grid () kann das Vorhandensein oder Fehlen von Gitterlinien (dünne Gitterlinien) angeben, indem das Argument mit true oder false versehen wird. Dieses Mal habe ich wahr gesetzt und es angezeigt.
plt.plot () ist eine Anweisung zum Zeichnen eines Graphen, diesmal x und y der CSV-Datei, die durch Angabe von data1 ["x"], data1 ["y"] als Argumente, der horizontalen Achse des Graphen, gelesen wird. Ich habe es auf die vertikale Achse gesetzt. Wenn Sie die Diagramme überlagern möchten, schreiben Sie einfach weiter die Diagramme, die Sie mit plt.plot () überlagern möchten.

Wenn Sie diesen Code tatsächlich auf einem Jupyter-Notebook ausführen

Als Ergebnis können Sie sehen, dass der cos (x) -Wert von hoge.csv und der tan (x) -Wert von hogehoge.csv wie festgelegt in der Grafik gezeichnet werden.