现有一堆数据，是散点坐标形式，现在需要将它们绘制成散点图。数据格式如下图。
第一行为一个数字，表示当前文件共有多少行数据。
第二行开始为真正的数据，各数据间以一个Tab分隔。第一列是数据点ID名，第二列是X坐标，第三列是Y坐标，第四、五列暂时用不到，不用管它。第六列是垂轨误差，第七列是沿轨误差。我们要画的一共是4个图，即X方向的垂轨误差图、X方向的沿轨误差图、Y方向的垂轨误差图、Y方向的沿轨误差图。简单解释一下例如X方向的垂轨误差图就是以读取的X坐标为X轴，垂轨误差为Y轴绘制散点图。要使用Matplotlab绘图需要两步，第一步是读取数据，第二部是调用函数绘图。
1.读取数据
由于上面介绍的数据格式是我们自己定义的，并没有任何通用的函数可以读取，所以只能自己写个小函数读取。好在Python读取文本文件还是挺简单的，下面直接上代码。
def readData(file_path):
# 打开一个文本文件
text_file = open(file_path)
data_item = []
# x轴垂轨数据
x_ev = []
# x轴沿轨数据
x_eh = []
# y轴垂轨数据
y_ev = []
# y轴沿轨数据
y_eh = []
# 先读取第一行，读取时注意去掉行尾的换行符
line = text_file.readline().strip('\n')
# 然后逐行读取数据
while line:
line = text_file.readline().strip('\n')
# 如果读取的行内容不为空，则添加到list中
# 注意这里并不能用None，注意空字符串和空对象的区别
if line != '':
data_item.append(line)
# 读取完成后对于读取的每行数据进行简单的提取和处理
for i in range(data_item.__len__()):
data = data_item[i].split('\t')
x_coordinate = float(data[1])
y_coordinate = float(data[2])
error_vertical = float(data[5])
error_horizontal = float(data[6])
x_ev.append([x_coordinate, error_vertical])
x_eh.append([x_coordinate, error_horizontal])
y_ev.append([y_coordinate, error_vertical])
y_eh.append([y_coordinate, error_horizontal])
# 由于原始数据中坐标并没有进行排序，因此这里进行排序
x_ev.sort()
x_eh.sort()
y_eh.sort()
y_ev.sort()
return x_ev, x_eh, y_ev, y_eh
在读取数据完成后，下面就是用Matplotlab绘图了。
2.Matplotlab绘图
由于我们需要画四个图，因此可以采用subplot的方式绘制。代码较为简单，基本一看就能知道是什么含义，所以直接贴出来。如果有需要，直接修改相关内容即可。
# 设置绘图的大小(格网)
plt.figure(figsize=(16, 10))
# 221表示分成2行2列，占用第一块(1行1列)
plt.subplot(221)
plt.title("Rule of residual errors across the track")
plt.xlabel("X")
plt.ylabel("Errors(pixels)")
# 是否显示格网
plt.grid(True)
# s表示散点大小，alpha表示透明度，c表示颜色
points = plt.scatter(np.array(x_ev)[:, 0],
np.array(x_ev)[:, 1],
s=1,
alpha=0.5,
c='r')
plt.legend([points], ['Across Track Error'])
# 221表示分成2行2列，占用第三块(2行1列)
plt.subplot(223)
plt.title("Rule of residual errors along the track")
plt.xlabel("X")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(x_eh)[:, 0],
np.array(x_eh)[:, 1],
s=1,
alpha=0.5)
plt.legend([points], ['Along Track Error'])
# 221表示分成2行2列，占用第二块(1行2列)
plt.subplot(222)
plt.title("Rule of residual errors across the track")
plt.xlabel("Y")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(y_ev)[:, 0],
np.array(y_ev)[:, 1],
s=1,
alpha=0.5,
c='r')
plt.legend([points], ['Across Track Error'])
# 221表示分成2行2列，占用第四块(2行2列)
plt.subplot(224)
plt.title("Rule of residual errors along the track")
plt.xlabel("Y")
plt.ylabel("Errors(pixels)")
plt.grid(True)
points = plt.scatter(np.array(y_eh)[:, 0],
np.array(y_eh)[:, 1],
s=1,
alpha=0.5)
plt.legend([points], ['Along Track Error'])
# 最后保存绘图，dpi越高图像质量越好
plt.savefig('figure', dpi=600)
plt.show()
最终，绘制效果如下。由于上传时压缩等问题，看起来效果没那么好了。原图是9600×6000带透明度的png图像，有8.67MB大小。如果感兴趣可以点击这里下载原图“欣赏”。
不得不说Matplotlab是科研绘图利器，使用Matplotlab绘制出的图像质量还是比较高的，抗锯齿等等方面要由于一些老版本的Matlab，但是绘制代码其实和Matlab差不多。
[2019-8-17更新]
关于Matplotlib绘图不能显示汉字的问题，在代码中添加下面两句话即可：
# 支持中文
font_name = "SimHei" # 字体名称，这里默认用黑体
plt.rcParams['font.sans-serif'] = [font_name] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
然后就可以在绘图中显示中文了，还有一个需要注意的地方就是绘图时传入的字符串必须是Unicode字符串(字符串前面加u)，不能是普通默认编码字符串，否则会报错，还是显示不了。更多相关内容可参考这个网页。实际测试代码段如下：
# coding=utf-8
from matplotlib import pyplot as plt
if __name__ == '__main__':
font_name = "SimHei"
plt.rcParams['font.sans-serif'] = [font_name]
plt.rcParams['axes.unicode_minus'] = False
x = [1, 5]
y = [2, 7]
# 手动设置字体
font = {'family': font_name,
'weight': 'normal',
'size': 14,
}
plt.title(u"测试图例", font)
plt.xlabel(u"x轴", font)
plt.ylabel(u"y轴", font)
plt.plot(x, y)
plt.show()
效果如下。
[更新结束]
除此之外应别人的需求，还写了其它几个版本的脚本，独立脚本调用版、封装成函数的版本等等，同时还写了绘制3D散点图的代码，如下图所示，都放在了Github这个仓库中，感兴趣可以下载看看。相比于上面的代码多了如设置坐标轴取值范围、间隔等代码，但也都比较简单。
以上便是简单的使用Matplotlab绘制散点图的相关内容，总体来说比较简单，但也基本涵盖了日常的需求，标题、坐标轴、格网、图例、颜色等等，都在上面的代码中用到了。更多更复杂的相关内容可以参阅参考资料中的网页。
3.参考资料
- [1]https://www.cnblogs.com/sunshinewang/p/6853813.html
- [2]https://www.cnblogs.com/liutongqing/p/6985805.html
- [3]https://www.jb51.net/article/136567.htm
- [4]https://blog.csdn.net/zhangqilong120/article/details/72633115
- [5]https://blog.csdn.net/gatieme/article/details/61416645
- [6]https://matplotlib.org/users/legend_guide.html
- [7]https://blog.csdn.net/eddy_zheng/article/details/48713449
- [8]https://blog.csdn.net/helunqu2017/article/details/78641290/
- [9]https://blog.csdn.net/xtingjie/article/details/71156743
本文作者原创,未经许可不得转载,谢谢配合
