说明：改文章所有内容截选自实验楼项目教程【Python实现从excel读取数据绘制成精美图像】~

实验说明：

实验内容

这个世界从古至今一直是一个看颜值的世界。对于我们作报告，写文章时使用的图片，也是一样的。一图胜千言，一张制作精美的图片，不仅能展示大量的信息，更能体现绘图者的水平，审美，与态度。我的老板，国内外多家SCI，EI文章的审稿人，甚至跟我说，一篇文章拿到手里，一眼扫过去，看看数据和图片，就知道这篇文章值不值得发表，水平如何。由此观之，制作一张精美图片的意义，实在重大。

本课程实现使用python从excel读取数据，并使用matplotlib绘制成二维图像。这一过程中，将通过一系列操作来美化图像，最终得到一个可以出版级别的图像。

本课程对于需要书写实验报告，学位论文，发表文章，做PPT报告的学员具有较大价值。本课程的数据和图像，来源于我的一篇SCI文章，是一真实案例。

实验知识点

• 使用xlrd扩展包读取excel数据
• 使用matplotlib绘制二维图像
• 美化图像，添加标注，注释，显示Latex风格公式，坐标点处透明化处理等技巧

适合人群

本课程难度为中等，适合具有Python基础的用户，对于需要书写实验报告，学位论文，发表文章，做PPT报告的学员具有较大价值。

代码获取

你可以通过下面命令将数据和代码下载到实验楼环境中，作为参照对比进行学习。

$ wget http://labfile.oss.aliyuncs.com/courses/791/finally.py
$ wget http://labfile.oss.aliyuncs.com/courses/791/my_data.xlsx
$ wget http://labfile.oss.aliyuncs.com/courses/791/phase_detector.xlsx
$ wget http://labfile.oss.aliyuncs.com/courses/791/phase_detector2.xlsx

效果图：

最终，这张图像的显示效果如下：

此处输入图片的描述

开发准备

打开Xfce终端，下载并安装的相关依赖 。

$ sudo apt-get update
$ sudo apt-get install python-dev
$ sudo pip install numpy
$ sudo apt-get install python-matplotlib
$ sudo pip install xlrd
$ sudo apt-get install python-sip
$ sudo apt-get install libqt4-dev
$ sudo apt-get install python-qt4 python-qt4-dev pyqt4-dev-tools qt4-dev-tools

遇到是否安装的询问时，输入y，按回车键继续安装。

实验步骤

1 绘制一个简单图像，测试扩展包安装是否正常

安装完成matplotlib后，运行一个小程序测试其是否正常。我们来绘制一个非常简单的正弦函数。

import numpy as np
import matplotlib.pyplot as plt


x = np.linspace(0, 10, 500)
dashes = [10, 5, 100, 5]  # 10 points on, 5 off, 100 on, 5 off

fig, ax = plt.subplots()
line1, = ax.plot(x, np.sin(x), '--', linewidth=2,
                 label='Dashes set retroactively')
line1.set_dashes(dashes)

line2, = ax.plot(x, -1 * np.sin(x), dashes=[30, 5, 10, 5],
                 label='Dashes set proactively')

ax.legend(loc='lower right')
plt.show()

如果一切正常，应该得到如下显示的图片：

此处输入图片的描述

这段程序来自官方的例程，只作为检验安装包之用。这个图片过于简单，也算不上精美。

2 测试xlrd扩展包

xlrd顾名思义，就是excel文件的后缀名.xl文件read的扩展包。这个包只能读取文件，不能写入。写入需要使用另外一个包。但是这个包，其实也能读取.xlsx文件。

从excel中读取数据的过程比较简单，首先从xlrd包导入open_workbook，然后打开excel
文件，把每个sheet里的每一行每一列数据都读取出来即可。很明显，这是个循环过程。

from xlrd import open_workbook
x_data1=[]
y_data1=[]
wb = open_workbook('phase_detector.xlsx')
for s in wb.sheets():
    print 'Sheet:',s.name
    for row in range(s.nrows):
        print 'the row is:',row
        values = []
        for col in range(s.ncols):
            values.append(s.cell(row,col).value)
        print values
        x_data1.append(values[0])
        y_data1.append(values[1])

如果安装包没有问题，这段代码应该能打印出excel表中的数据内容。

解释一下 这段代码：

• 打开一个excel文件后，首先对文件内的sheet进行循环，这是最外层循环；
• 在每个sheet内，进行第二次循环，行循环；
• 在每行内，进行列循环，这是第三层循环。

在最内层列循环内，取出行列值，复制到新建的values列表内，很明显，源数据有几列，values列表就有几个元素。我们例子中的excel文件有两列，分别对应“角度”和DC值。所以在列循环结束后，我们将取得的数据保存到x_data1和y_data1这两个列表中。

3 绘制图像V1.0

第一个版本的功能很简单，从excel中读取数据，然后绘制成图像。具体程序如下：

#!/usr/bin/python
#-*- coding: utf-8 -*-

import matplotlib.pyplot as plt
import xlrd
from xlrd import open_workbook

x_data=[]
y_data=[]
x_volte=[]
temp=[]
wb = open_workbook('my_data.xlsx')

for s in wb.sheets():
    print 'Sheet:',s.name
    for row in range(s.nrows):
        print 'the row is:',row
        values = []
        for col in range(s.ncols):
            values.append(s.cell(row,col).value)
        print values
        x_data.append(values[0])
        y_data.append(values[1])    
plt.plot(x_data, y_data, 'bo-',label=u"Phase curve",linewidth=1)
plt.title(u"TR14 phase detector")
plt.legend()

plt.xlabel(u"input-deg")
plt.ylabel(u"output-V")


plt.show()
print 'over!'

程序简单，显示的效果也是丑到哭：

此处输入图片的描述

从excel中读取数据的程序，上面已经解释过了。这段代码后面的函数是matplotlib
绘图的基本格式，此处的输入格式为：

plt.plot(x轴数据, y轴数据, 曲线类型,图例说明,曲线线宽)

图片顶部的名称，由这行语句定义：

plt.title(u"TR14 phase detector")

最后，使用这一语句使能显示：

plt.legend()

4 绘制图像V1.1

这个图只绘制了一个表格的数据，我们一共有三个表格。但是就这个一个已经够丑了。我们先来美化一下。首先，坐标轴的问题：横轴的0点对应着纵轴的8，这个明显不行。我们来移动一下坐标轴，使之0点重合：

#!/usr/bin/python
#-*- coding: utf-8 -*-

import matplotlib.pyplot as plt
from pylab import *
import xlrd
from xlrd import open_workbook

x_data=[]
y_data=[]
x_volte=[]
temp=[]
wb = open_workbook('my_data.xlsx')

for s in wb.sheets():
    print 'Sheet:',s.name
    for row in range(s.nrows):
        print 'the row is:',row
        values = []
        for col in range(s.ncols):
            values.append(s.cell(row,col).value)
        print values
        x_data.append(values[0])
        y_data.append(values[1])

plt.plot(x_data, y_data, 'bo-',label=u"Phase curve",linewidth=1)


plt.title(u"TR14 phase detector")
plt.legend()

ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

plt.xlabel(u"input-deg")
plt.ylabel(u"output-V")

plt.show()
print 'over!'

好的，移动坐标轴后，图片稍微顺眼了一点，我们也能明显的看出来，图像与横轴的交点大约在180度附近：

此处输入图片的描述

解释一下移动坐标轴的代码：我们要移动坐标轴，首先要把旧的坐标拆了。怎么拆呢？原图是上下左右四面都有边界刻度的图像，我们首先把右边界拆了不要了，使用语句：

ax.spines['right'].set_color('none')

把右边界的颜色设置为不可见，右边界就拆掉了。同理，再把上边界拆掉：

ax.spines['top'].set_color('none')

拆完之后，就只剩下我们关心的左边界和下边界了，这俩就是x轴和y轴。然后我们移动这两个轴，使他们的零点对应起来：

ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

这样，就完成了坐标轴的移动。

5 绘制图像V1.2

我们能不能给图像过零点加个标记呢？显示的告诉看图者，过零点在哪，就免去看完图还得猜，要么就要问作报告的人。

#!/usr/bin/python
#-*- coding: utf-8 -*-

import matplotlib.pyplot as plt
from pylab import *

import xlrd

from xlrd import open_workbook

x_data=[]
y_data=[]
x_volte=[]
temp=[]
wb = open_workbook('my_data.xlsx')

for s in wb.sheets():
    print 'Sheet:',s.name
    for row in range(s.nrows):
        print 'the row is:',row
        values = []
        for col in range(s.ncols):
            values.append(s.cell(row,col).value)
        print values
        x_data.append(values[0])
        y_data.append(values[1])

plt.plot(x_data, y_data, 'bo-',label=u"Phase curve",linewidth=1)

plt.annotate('zero point', xy=(180,0), xytext=(60,3), arrowprops=dict(facecolor='black', shrink=0.05),)

plt.title(u"TR14 phase detector")
plt.legend()

ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

plt.xlabel(u"input-deg")
plt.ylabel(u"output-V")

plt.show()
print 'over!'

好的，加上标注的图片，显示效果是这样的：

此处输入图片的描述

标注的添加，使用这句语句：

plt.annotate(标注文字, 标注的数据点, 标注文字坐标, 箭头形状)

这其中，标注的数据点是我们感兴趣的，需要说明的数据，而标注文字坐标，需要我们根据效果进行调节，既不能遮挡原曲线，又要醒目。

上述的完整开发步骤和代码呢，就是一个简单的从excel读取数据绘制成图表的过程啦，如果你想查看更优化更精美的图表制作，可以点击【Python实现从excel读取数据绘制成精美图像】接着看以下内容：

绘制图像V1.3

我们把三组数据都画在这幅图上，方便对比，此外，再加上一组理想数据进行对照。这一次我们再做些改进，把横坐标的单位用Latex引擎显示；不光标记零点，把两边的非线性区也标记出来；

绘制图像V1.4

我们再就上述问题，进行优化。优化的过程包括：改变横坐标的显示，使用弧度显示；优化图像与横坐标相交的部分，透明显示；增加网络标度。