【SCI绘图】【曲线图系列2 python】多类别标签对比的曲线图

本文主要是介绍【SCI绘图】【曲线图系列2 python】多类别标签对比的曲线图，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

SCI，CCF，EI及核心期刊绘图宝典，爆款持续更新，助力科研！

本期分享：

【SCI绘图】【曲线图系列2 python】多类别标签对比的曲线图，文末附完整代码。

1.环境准备

python 3

import proplot as pplt
import pandas as pdfrom proplot import rc

2.数据示例与读取

数据示例：

     68.52769   1.01941334E-118   1.04975387E-287   3.07499527E-220   4.62365918E-169   2.32835613E-134
     68.58945   3.94732386E-118   8.59329295E-287   1.94218811E-219   2.33402749E-168   9.88293492E-134
     68.65121   1.51971781E-117   6.98480839E-286   1.21860660E-218   1.17091842E-167   4.17021496E-133
     68.71298   5.81756808E-117   5.63747055E-285   7.59578697E-218   5.83793125E-167   1.74935402E-132
     68.77474   2.21436321E-116   4.51815464E-284   4.70360236E-217   2.89277108E-166   7.29548983E-132
     68.83650   8.38099508E-116   3.59581184E-283   2.89366667E-216   1.42463282E-165   3.02481879E-131
     68.89826   3.15422077E-115   2.84186785E-282   1.76863385E-215   6.97327187E-165   1.24687538E-130
     68.96003   1.18045311E-114   2.23045665E-281   1.07401485E-214   3.39254761E-164   5.11017864E-130
     69.02179   4.39314840E-114   1.73851547E-280   6.48002835E-214   1.64052134E-163   2.08232725E-129
     69.08355   1.62586232E-113   1.34576744E-279   3.88462479E-213   7.88524556E-163   8.43669246E-129
     69.14532   5.98387683E-113   1.03461776E-278   2.31386509E-212   3.76735665E-162   3.39872639E-128
     69.20708   2.19019452E-112   7.89987107E-278   1.36947767E-211   1.78919283E-161   1.36141743E-127

读取数据：

# 读取 txt 文件中的数据
data = pd.read_csv('uv_curve.txt', header=None, delim_whitespace=True)# 颜色、曲线格式以及标签
color_list = ['black', 'red', 'orange', 'blue', 'green']
label_list = ['label1', 'label2', 'label3', 'label4', 'label5']
style_list = ['-', '--', '--', '--', '--']

3.绘图展示

画布设置：

# 设置绘图的默认参数，如字体、字号等
rc['font.name'] = 'Arial'
rc['title.size'] = 14
rc['label.size'] = 12
rc['font.size'] = 10.5
rc['tick.width'] = 1.3
rc['meta.width'] = 1.3
rc['label.weight'] = 'bold'
rc['tick.labelweight'] = 'bold'
rc['ytick.major.size'] = 4.6
rc['ytick.minor.size'] = 2.5
rc['xtick.major.size'] = 4.6
rc['xtick.minor.size'] = 2.5

绘制逻辑：

# 创建画布
fig, ax = pplt.subplots(figsize=(6 * 0.9, 4 * 0.9))# 绘制多曲线图
x = data.iloc[:, 0]
for i in range(len(data.columns) - 1):y = data.iloc[:, i + 1]ax.plot(x, y, linewidth=1.3, color=color_list[i], label=label_list[i], linestyle=style_list[i])# 设置图例
ax.legend(loc='ur', ncols=1, fontweight='bold', frame=False)# 格式化图像
fig.format(grid=False, ylabel='Absorbance', xlabel='Wavelength (nm)',xlim=(80, 200), xminorlocator=10, xlocator=20, ylim=(0, 10000), yminorlocator=1000, ylocator=2000
)fig.show()fig.savefig('uv.png', bbox_inches='tight', dpi=300)

完整代码：

# -*- coding: utf-8 -*-
import proplot as pplt
import pandas as pdfrom proplot import rc# 读取 txt 文件中的数据
data = pd.read_csv('uv_curve.txt', header=None, delim_whitespace=True)# 颜色、曲线格式以及标签
color_list = ['black', 'red', 'orange', 'blue', 'green']
label_list = ['label1', 'label2', 'label3', 'label4', 'label5']
style_list = ['-', '--', '--', '--', '--']# 设置绘图的默认参数，如字体、字号等
rc['font.name'] = 'Arial'
rc['title.size'] = 14
rc['label.size'] = 12
rc['font.size'] = 10.5
rc['tick.width'] = 1.3
rc['meta.width'] = 1.3
rc['label.weight'] = 'bold'
rc['tick.labelweight'] = 'bold'
rc['ytick.major.size'] = 4.6
rc['ytick.minor.size'] = 2.5
rc['xtick.major.size'] = 4.6
rc['xtick.minor.size'] = 2.5# 创建画布
fig, ax = pplt.subplots(figsize=(6 * 0.9, 4 * 0.9))# 绘制多曲线图
x = data.iloc[:, 0]
for i in range(len(data.columns) - 1):y = data.iloc[:, i + 1]ax.plot(x, y, linewidth=1.3, color=color_list[i], label=label_list[i], linestyle=style_list[i])# 设置图例
ax.legend(loc='ur', ncols=1, fontweight='bold', frame=False)# 格式化图像
fig.format(grid=False, ylabel='Absorbance', xlabel='Wavelength (nm)',xlim=(80, 200), xminorlocator=10, xlocator=20, ylim=(0, 10000), yminorlocator=1000, ylocator=2000
)fig.show()fig.savefig('uv.png', bbox_inches='tight', dpi=300)

这篇关于【SCI绘图】【曲线图系列2 python】多类别标签对比的曲线图的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---