Matplotlib

بارگذاری داده ها از فایل های مختلف در Matplotlib

بارگذاری داده ها از فایل های مختلف در Matplotlib

Matplotlib به عنوان کتابخانه ای قدرتمند برای تجسم داده در پایتون، امکانات متعددی را برای بارگذاری داده ها از منابع مختلف مانند فایل های CSV، متنی، اعداد خام و پایگاه های داده در اختیار کاربران قرار می دهد. در این راهنما، به بررسی روش های مختلف بارگذاری داده ها از فایل های مختلف در Matplotlib می پردازیم.

۱. بارگذاری داده ها از فایل CSV:

  • استفاده از تابع np.genfromtxt():
Python
import numpy as np
import matplotlib.pyplot as plt

# بارگذاری داده ها از فایل CSV به آرایه NumPy
data = np.genfromtxt('data.csv', delimiter=',')

# استخراج ستون ها برای رسم نمودار
x = data[:, ۰]  # ستون اول به عنوان مقادیر محور x
y = data[:, ۱]  # ستون دوم به عنوان مقادیر محور y

# رسم نمودار خطی
plt.plot(x, y)
plt.xlabel('محور X')
plt.ylabel('محور Y')
plt.title("نمودار خطی از داده های CSV")
plt.show()
  • استفاده از کتابخانه pandas:
Python
import pandas as pd
import matplotlib.pyplot as plt

# بارگذاری داده ها از فایل CSV به دیتافریم pandas
df = pd.read_csv('data.csv')

# استخراج ستون ها برای رسم نمودار
x = df['column_name_x']
y = df['column_name_y']

# رسم نمودار میله ای
plt.bar(x, y)
plt.xlabel('محور X')
plt.ylabel('محور Y')
plt.title("نمودار میله ای از داده های CSV")
plt.show()

۲. بارگذاری داده ها از فایل متنی:

Python
import numpy as np
import matplotlib.pyplot as plt

# بارگذاری داده ها از فایل متنی به آرایه NumPy
data = np.loadtxt('data.txt')

# استخراج ستون ها برای رسم نمودار
x = data[:, ۰]  # ستون اول به عنوان مقادیر محور x
y = data[:, ۱]  # ستون دوم به عنوان مقادیر محور y

# رسم نمودار پراکندگی
plt.scatter(x, y)
plt.xlabel('محور X')
plt.ylabel('محور Y')
plt.title("نمودار پراکندگی از داده های متنی")
plt.show()

۳. بارگذاری داده های اعداد خام:

Python
import numpy as np
import matplotlib.pyplot as plt

# بارگذاری داده های اعداد خام از لیست ها به آرایه NumPy
x = np.array([۱, ۲, ۳, ۴, ۵])
y = np.array([۳, ۵, ۷, ۲, ۱])

# رسم نمودار خطی
plt.plot(x, y)
plt.xlabel('محور X')
plt.ylabel('محور Y')
plt.title("نمودار خطی از داده های اعداد خام")
plt.show()

۴. بارگذاری داده ها از پایگاه های داده:

  • با استفاده از کتابخانه های رابط پایگاه داده مانند psycopg2 برای PostgreSQL یا cx_Oracle برای Oracle:
Python
import psycopg2
import matplotlib.pyplot as plt

# اتصال به پایگاه داده
conn = psycopg2.connect(dbname="mydatabase", user="postgres", password="password")

# اجرای کوئری SQL برای استخراج داده ها
cursor = conn.cursor()
cursor.execute("SELECT * FROM mytable")
data = cursor.fetchall()

# تبدیل داده ها به آرایه NumPy
x = np.array([row[۰] for row in data])
y = np.array([row[۱] for row in data])

# رسم نمودار میله ای
plt.bar(x, y)
plt.xlabel('محور X')
plt.ylabel('محور Y')
plt.title("نمودار میله ای از داده های پایگاه داده")
plt.show()

# بستن اتصال به پایگاه داده
conn.close()

نکات کلیدی:

  • قبل از بارگذاری داده ها، فرمت فایل و ساختار داده ها را بررسی کنید.
  • از توابع مناسب برای بارگذاری داده ها از هر منبع استفاده کنید
۰/۵ ( ۰ امتیاز )
نمایش بیشتر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا