Python读取.csv/.txt文件并画图

news2025/1/15 23:10:43

文章目录

- 读取.txt文件并画出每列数据
- 读取.csv文件并画出每列数据
- python绘图的基本知识补充

读取.txt文件并画出每列数据

main.ipynb  //注意文件类型为.ipynb

import matplotlib.pyplot as plt
import numpy as np

data = np.loadtxt('result.txt')
fig = plt.figure(dpi=100,figsize=(18,20))
# 添加子图
ax1 = fig.add_subplot(1,1,1)	# 1*1 的图像域，这个 ax1 是第 1 个子图像
#等价于：ax1 = fig.add_subplot(111)
ax1.plot(data[:,0], color='green',  linewidth=2, label="z_meas")
ax1.plot(data[:,1],color='red',  linewidth=2,label="x_evlt")
ax1.plot(data[:,2],color='blue',  linewidth=2,label="x_real")
ax1.grid(True)
ax1.legend()


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

plt.show()

补充：

使用python读取txt文件

方式1：

open()函数用于打开文件，并返回文件对象。第一个参数是文件路径，可以是相对路径或绝对路径。第二个参数是打开模式，常用的模式有：

'r'：只读模式打开文件；
'w'：写入模式打开文件，如果文件不存在则创建新文件，如果文件已存在则清空文件内容；
'a'：追加模式打开文件，如果文件不存在则创建新文件；


import matplotlib.pyplot as plt
X, Y = [], []
for line in open('my_data.txt', 'r'):
    values = [float(s) for s in line.split()]
    X.append(values[0])
    Y.append(values[1])
plt.plot(X, Y)
plt.show()

还可以进一步优化（列表解析法list conprehension）

import matplotlib.pyplot as plt

with open('test1.txt', 'r') as f:
    X, Y = zip(*[[float(s) for s in line.split()] for line in f])
plt.plot(X, Y)
plt.show()

这种方法的好处是，如果有很多列，可以直接在赋值号左边加值，如X,Y,Z,W =….

解释：以上调用了zip函数，zip函数的用法可以参考博文frydsh

方式2 使用numpy

代码如下：

//我们绘制图形主要用到两个库，matplotlib.pyplot和numpy。在编码过程中，这两个库的使用频率较高，
//而这两个库的名字较长。这难免会给我们带来不便。所以我们一般给其设置别名， 大大减少重复性工作量。
//import matplotlib.pyplot as plt   # 导入模块 matplotlib.pyplot，并简写成 plt 
//import numpy as np                # 导入模块 numpy，并简写成 np




import matplotlib.pyplot as plt
import numpy as np

data = np.loadtxt('test1.txt')

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

结果和上面的图一样
综上，使用numpy是最方便的；另外，numpy.loadtxt还可以读取.dat等文件

参考：python读取txt文件并画图_python读取文件画图-CSDN博客

读取.csv文件并画出每列数据

csv.ipynb  

import math
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure(dpi=100,figsize=(15,8))
traj=np.loadtxt("path.csv",delimiter=",",unpack=True)
x=traj[0]
y=traj[1]
ax1 = fig.add_subplot(1,1,1)
ax1.plot(x, y, marker=".", alpha=0.7, label="path")

ax1.grid(True)
plt.axis('equal')  #实现 坐标x,y轴刻度统一
ax1.legend()

python绘图的基本知识补充

import matplotlib.pyplot as plt   # 导入模块 matplotlib.pyplot，并简写成 plt 
import numpy as np                # 导入模块 numpy，并简写成 np

fig = plt.figure()                      # 创建一个没有 axes 的 figure
fig.suptitle('No axes on this figure')  # 添加标题以便我们辨别

fig, ax_lst = plt.subplots(2, 2)        # 创建一个以 axes 为单位的 2x2 网格的 figure 
plt.show()

import matplotlib.pyplot as plt
import numpy as np

# 创建一个点数为 8 x 6 的窗口, 并设置分辨率为 80像素/每英寸
plt.figure(figsize=(8, 6), dpi=80)

# 再创建一个规格为 1 x 1 的子图
plt.subplot(111)

x = np.linspace(-2, 6, 50)
y1 = x + 3        # 曲线 y1
y2 = 3 - x        # 曲线 y2

# 绘制颜色为蓝色、宽度为 1 像素的连续曲线 y1
plt.plot(x, y1, color="blue", linewidth=1.0, linestyle="-")
# 绘制颜色为紫色、宽度为 2 像素的不连续曲线 y2
plt.plot(x, y2, color="#800080", linewidth=2.0, linestyle="--")

# 设置横轴的上下限
plt.xlim(-1, 6)
# 设置纵轴的上下限
plt.ylim(-2, 10)

plt.show()

...
# 设置横轴标签
plt.xlabel("X")
# 设置纵轴标签
plt.ylabel("Y")

plt.show()

...
# 设置横轴精准刻度
plt.xticks([-1, -0.5, 0, 0.5, 1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5, 5.5])
# 设置纵轴精准刻度
plt.yticks([-2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

plt.show()

...
# 设置横轴精准刻度
plt.xticks([-1, 0, 1, 2, 3, 4, 5, 6],
           ["-1m", "0m", "1m", "2m", "3m", "4m", "5m", "6m"])
# 设置纵轴精准刻度
plt.yticks([-2, 0, 2, 4, 6, 8, 10],
           ["-2m", "0m", "2m", "4m", "6m", "8m", "10m"])
plt.show()

...
# 绘制颜色为蓝色、宽度为 1 像素的连续曲线 y1
plt.plot(x, y1, color="blue", linewidth=1.0, linestyle="-", label="y1")
# 绘制颜色为紫色、宽度为 2 像素的不连续曲线 y2
plt.plot(x, y2, color="#800080", linewidth=2.0, linestyle="--", label="y2")
plt.legend(loc="upper left")
...