Question

我有一个32列的文本文件。

Ev col 2，col 3，col 4，col 5，col 6，col 7 col 8 col 9 col 10等...（共32列）

-0.08，8.300，8.300，8.300，8.301，8.300，8.300，8.300，8.301，3.405 ...（共32列）

-0.04，8.300，8.300，8.300，8.301，8.300，8.300，8.300，8.301，3.405 ...（共32列）

0.00，8.300，8.300，8.300，8.301，8.300，8.300，8.300，8.301，3.405 ...（共32列）

0.04，8.300，8.300，8.300，8.301，8.300，8.300，8.300，8.301，3.405 ...（共32列）

0.08，8.300，8.300，8.300，8.301，8.300，8.300，8.300，8.301，3.405 ...（共32列）

我想在右边绘制32列，而在左边绘制出32列。（即Ev vs col2，Ev vs col3 ..... Ev vs col 32）并计算其斜率。

所以我尝试了bruteforce方法-

import matplotlib.pyplot as plt
import numpy as np

x1, y1, y2, y3, y4, y5, y6, y7, y8, y9, y10, y11, y12, y13, y14, y15, y16, y17, y18, y19, y20, y21, y22, y23, y24, y25, y26, y27, y28, y29, y30, y31, y32 = np.loadtxt('mydata.txt', delimiter=',', unpack=True)


slope1, intercept1 = np.polyfit(x1, y1, 1)
slope1, intercept1 = np.polyfit(x1, y2, 1)
slope1, intercept1 = np.polyfit(x1, y3, 1)
slope1, intercept1 = np.polyfit(x1, y4, 1)
#..... All the way upto 32nd column
print('slope 1 =',slope1)

plt.plot(x1,y1, label='With ',marker='o')
plt.plot(x1,y2, label='With ',marker='o')
plt.plot(x1,y3, label='With ',marker='o')
plt.plot(x1,y4, label='With ',marker='o')
plt.plot(x1,y5, label='With ',marker='o')
#.
#.
#.
#....All the way upto 32nd columns 
# ...plt.plot(x1,y32, label='mydata ',marker='o')

plt.show()

即使此代码有效，我也知道这不是有效的方法。是否有更好的方法来绘制这些数据并获得斜率？

Answer 1

您不应将np.loadtxt的结果明确放入33个不同的变量中。将其放入一个名为data的文件中，然后根据需要对其进行索引。

data = np.loadtxt('mydata.txt', delimiter=',', skiprows=1)
plt.plot(data[0], data[1:])

也许您必须像之前那样转置它

data = data.T

或使用

plt.plot(data[:, 0], data[:, 1:])

但是，我建议使用pandas：

import pandas as pd
df = pd.read_csv(StringIO(s), index_col=0)
df.plot()

关于坡度计算：

data = data.T

array([[-0.08 , -0.04 ,  0.   ,  0.04 ,  0.08 ],
       [ 8.3  ,  8.3  ,  8.3  ,  8.3  ,  8.3  ],
       [ 8.3  ,  8.3  ,  8.3  ,  8.3  ,  8.3  ],
       [ 8.3  ,  8.3  ,  8.3  ,  8.3  ,  8.3  ],
       [ 8.301,  8.301,  8.301,  8.301,  8.301],
       [ 8.3  ,  8.3  ,  8.3  ,  8.3  ,  8.3  ],
       [ 8.3  ,  8.3  ,  8.3  ,  8.3  ,  8.3  ],
       [ 8.3  ,  8.3  ,  8.3  ,  8.3  ,  8.3  ]])

for y in data[1:]:
    print(np.polyfit(data[0], y, 1))

[ -1.12054027e-14   8.30000000e+00]
[ -1.12054027e-14   8.30000000e+00]
[ -1.12054027e-14   8.30000000e+00]
[  7.45493703e-15   8.30100000e+00]
[ -1.12054027e-14   8.30000000e+00]
[ -1.12054027e-14   8.30000000e+00]
[ -1.12054027e-14   8.30000000e+00]

或使用pandas数据框：

df

        col 2   col 3   col 4   col 5   col 6   col 7  col 8
Ev                                                          
-0.08     8.3     8.3     8.3   8.301     8.3     8.3    8.3
-0.04     8.3     8.3     8.3   8.301     8.3     8.3    8.3
 0.00     8.3     8.3     8.3   8.301     8.3     8.3    8.3
 0.04     8.3     8.3     8.3   8.301     8.3     8.3    8.3
 0.08     8.3     8.3     8.3   8.301     8.3     8.3    8.3

for name, data in df.iteritems():
    print(name, np.polyfit(data.index, data.values, 1))

col 2 [ -1.12054027e-14   8.30000000e+00]
col 3 [ -1.12054027e-14   8.30000000e+00]
col 4 [ -1.12054027e-14   8.30000000e+00]
col 5 [  7.45493703e-15   8.30100000e+00]
col 6 [ -1.12054027e-14   8.30000000e+00]
col 7 [ -1.12054027e-14   8.30000000e+00]
col 8 [ -1.12054027e-14   8.30000000e+00]

在python中绘制一组大数据并计算斜率的有效方法

1 个答案: