Préface

J'ai récemment eu l'occasion d'utiliser un cahier Jupyter, je vais donc résumer ce que j'ai appris là-bas. Ce que j'ai fait, c'est lire uniquement les lignes nécessaires dans le fichier csv et faire dessiner le graphique.

Fichier csv à préparer

Préparez deux fichiers csv en utilisant des nombres. Le contenu du premier fichier (hoge) 2020-10-28 19.15.24.png

Le deuxième fichier (hogehoge) est 2020-10-30 23.51.21.png

Dans hoge, les valeurs sont disposées en 10 incréments de 0 à 180 dans la deuxième colonne, et les valeurs cos et sin correspondant aux valeurs de la deuxième colonne sont entrées dans les troisième et quatrième colonnes. hogehoge a la valeur de tan dans la troisième colonne. Si vous l'enregistrez tel quel, il sera enregistré sous forme de fichier numérique, alors réécrivez ces fichiers dans un fichier csv et enregistrez-le. Avec les nombres, vous pouvez créer un fichier csv à partir de Fichier → Exporter → CSV…. 2020-10-28 19.27.27.png

Structure du répertoire

La structure du répertoire du fichier csv préparé et du fichier ipynb créé (le nom du fichier est sample.ipynb) est la suivante.

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

code

import Tout d'abord, importez les bibliothèques et modules utilisés cette fois. Ceux à utiliser sont les suivants.


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

Lire le fichier csv

Ensuite, lisez le fichier csv. Lisez les valeurs de row1 et row2 de hoge et les valeurs de row1 et row2 de hogehoge.

#Lire le fichier csv
#usecols: Spécifiez les colonnes à utiliser skiprows: Ignorer les noms de lignes: Nommez les colonnes à récupérer
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 () est une fonction qui lit csv. Regarder les données1

Le premier argument "CSVfile / hoge.csv" est le fichier csv à lire
Le deuxième argument usescols = [1,2] spécifie la colonne à utiliser cette fois (dans ce cas, les deuxième et troisième lignes du fichier csv)
3ème argument skiprows = 2 spécifie la ligne à sauter (dans ce cas, sauter 2 lignes et lire la valeur à partir de la 3ème ligne)
Quatrième argument names = ["x", "y"] nomme les deux colonnes spécifiées
Cinquième argument encoding = "utf8" spécifie le code du caractère

Il est devenu.

Dessiner un graphique

Ensuite, les graphiques des colonnes extraites des deux fichiers csv chargés sont superposés et dessinés.

plt.figure(figsize=(15, 6))#Taille du graphique
#Largeur de la mémoire de l'axe
plt.xticks(np.arange(0, 180+1, 5))
plt.yticks(np.arange(-1, 1+0.1, 0.1))
#Étiquette d'axe
plt.xlabel('x', fontsize=15)
plt.ylabel('y', fontsize=15)
#Gamme d'axes
plt.xlim([0,180])
plt.ylim([-1,1])
plt.grid(True)#paramètres de grille
#Dessiner un graphique
plt.plot(data1["x"], data1["y"])
plt.plot(data2["x"], data2["y"])#Graphiques superposés

Voyons ce que nous faisons d'en haut.

plt.figure () crée une fenêtre sans graphique. Son argument, figsize = (15, 6), spécifie la taille du graphe.
plt.xticks () est une fonction liée à la configuration de la mémoire, et vous pouvez spécifier la largeur de la mémoire de l'axe en mettant np.arange () dans le premier argument. Dans le cas de plt.xticks (np.arange (0, 180 + 1, 5)), la mémoire à 5 intervalles est spécifiée dans la plage 0 ≤ valeur ≤ 180 sur l'axe des x. De plus, la raison pour laquelle le deuxième argument de np.arange () est 180 + 1 est que la définition de np.arange () est que le premier argument ≤ value <second argument, et si le second argument est 180 Puisque 180 n'est pas affiché dans la mémoire, il est +1.
plt.xlabel () étiquette l'axe, le premier argument est le nom de l'étiquette et le second argument est la taille de la police.
plt.xlim () définit la plage de valeurs d'axe, cette fois en spécifiant la plage d'axes de sorte que l'axe des x soit 0 ≤ x ≤ 180 et l'axe des y soit -1 ≤ y ≤ 1. ..
plt.grid () peut spécifier la présence ou l'absence de lignes de grille (lignes de grille fines) en mettant true ou false dans l'argument. Cette fois, j'ai mis vrai et l'ai affiché.
plt.plot () est une instruction pour dessiner un graphe, cette fois x et y du fichier csv lu en spécifiant data1 ["x"], data1 ["y"] comme arguments, l'axe horizontal du graphe, Je l'ai placé sur l'axe vertical. Si vous souhaitez superposer les graphiques, continuez simplement à écrire les graphiques que vous souhaitez superposer avec plt.plot ().

Si vous exécutez réellement ce code sur un notebook Jupyter

En conséquence, vous pouvez voir que la valeur cos (x) de hoge.csv et la valeur tan (x) de hogehoge.csv sont dessinées sur le graphique comme définies.