使用 Python matplotlib 从 CSV 构建图表

Python Matplotlib 绘制 CSV 数据图表

一段使用 matplotlib 库的 Python 脚本，能让你快速从 CSV 文件生成图表。本例使用名为 LiLog.csv 的文件，包含行号、光照强度（Lx）、温度、时间、日期和 Unix 时间戳等列。图表以时间戳（第 6 列）为 X 轴，光照强度（第 2 列）为 Y 轴。

你需要 Python 3+、matplotlib 和内置的 csv 模块。检查 Python 解释器位置用 where python，建议使用干净安装，避免 Cygwin 或 Inkscape 的捆绑包。

安装依赖：

pip install matplotlib numpy

基础 2D 折线图脚本

这段代码加载数据、解析 CSV 并绘制折线图：

import matplotlib.pyplot as plt
import csv

X = []
Y = []

with open('LiLog.csv', 'r') as datafile:
    plotting = csv.reader(datafile, delimiter=',')  # 本例使用逗号分隔
    
    for ROWS in plotting:
        X.append(float(ROWS[5]))
        Y.append(float(ROWS[1]))

plt.plot(X, Y)
plt.title('基于 CSV 的折线图')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

X 和 Y 列表填充指定列的浮点数值。csv.reader 处理分隔符（本例为逗号——检查你的文件）。plt.plot 绘制折线，show() 打开显示窗口。

高级图表：阈值线、标注和网格

添加水平阈值线（63 Lx）、网格、图例和旋转标签：

import matplotlib.pyplot as plt
import csv

X = []
Y = []

with open('LiLog.csv', 'r') as datafile:
    plotting = csv.reader(datafile, delimiter=',')
    
    for ROWS in plotting:
        X.append(float(ROWS[5]))
        Y.append(float(ROWS[1]))

threshold = 63.0
T = [threshold] * len(Y)

plt.plot(X, Y)
plt.plot(X, T)
plt.title('光照变化')
plt.xlabel('时间,[s]')
plt.ylabel('光照强度, [Lx]')
plt.grid()
plt.xticks(rotation=-90)
plt.legend(['光照强度', f'阈值 {threshold} Lx'])
plt.show()

检查数组长度：print(len(X), len(Y))。数据类型为 list[float]。交互功能包括通过 matplotlib 窗口工具栏缩放和平移。

依赖与安装

列出已安装包：pip freeze。典型的 matplotlib 输出：

• contourpy==1.3.3
• cycler==0.12.1
• fonttools==4.62.1
• kiwisolver==1.5.0
• matplotlib==3.10.8
• numpy==2.4.4

单独安装：pip install matplotlib numpy。

为什么 Matplotlib 是数据可视化的利器

• 免费开源。
• 交互式：支持缩放、保存为 PNG、自定义坐标轴和网格。
• 跨平台：Windows、Linux（需 GUI）。
• 用 PyInstaller 打包成 EXE，便于分享。
• 体积小巧：只需一个 .py 文件。
• 无头自动化：命令行运行，无需图形界面。

局限性

• 实时绘图（如 COM/TCP 数据流）需线程或 FuncAnimation。
• 大数据集（>100 万点）可能变慢——用 numpy 数组优化。

实用技巧

• 用 numpy 处理数组：X = np.array(X) 加速绘图。
• CSV 分隔符：尝试 delimiter=',' 或 ';'，复杂文件切换到 pandas。
• 坐标轴标签：plt.xlabel、plt.ylabel 带单位（如 s、Lx）。
• 图例：plt.legend(['数据', '阈值']) 用于多条线。
• 网格：plt.grid() 提升可读性。

Python + Matplotlib 是快速可视化 CSV 实验数据的首选组合。特别适合传感器日志分析，如光照随时间变化。

— Editorial Team