# python一键绘图 **Repository Path**: mnwkdk/python-EasyPloting ## Basic Information - **Project Name**: python一键绘图 - **Description**: 从excel表格(.xlsx后缀文件)读取数据,使用python脚本一键绘制常用的统计图表。 - **Primary Language**: Python - **License**: MulanPSL-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 1 - **Created**: 2025-02-09 - **Last Updated**: 2025-06-01 ## Categories & Tags **Categories**: Uncategorized **Tags**: matplotlib, 一键绘图 ## README # python简单绘图 ## 介绍 统计图形的绘制本质上只是对数据的展示,并不一定涉及代码,本项目希望通过Excel传入绘图需要的数据和参数,通过python脚本一键完成图形的绘制。 绘图示例代码主要来自于matplotlib官方文档和示例的修改。 本仓库脚本文件绝大部分情况下不需要安装特殊的包。 ## 安装教程 1. ### 安装python 2. ### 安装常用包:numpy,pandas,matplotlib ```bash pip install numpy pandas matplotlib ``` ## 使用说明 **直接运行脚本,一键出图**。 以柱状图为例说明。 1. ### 将excel模板内的数据更换为自己需要绘图的数据; ![image-20250210130839437](pictures/README/image-20250210130839437.png) 2. ### 在第二个表单内修改绘图参数对图形进行自定义;![image-20250213152828844](pictures/README/image-20250213152828844.png) 3. ### 双击脚本文件,一键出图,利用python自带的图像查看器调整图像比例及保存图像; ![](pictures/README/简单柱状图.png) 4. ### 对于颜色的使用说明: 对于柱状图类型来说,展示的是离散型的数据,在matplotlib中可以直接选择这些颜色组合的名称,这些颜色的选择经过专业人员的考虑,一般比自己随意搭配的颜色会显得和谐和漂亮许多,比如上面的例子中我用了“Paired”这个个人比较喜欢的颜色组合。 ![image-20250210132224827](pictures/README/image-20250210132224827.png) 也可以使用映射颜色任意取出需要的颜色个数,使用时直接在参数表单内修改cmap_color的值,具体值的名称参考matplotlib官方的colormaps图: ![image-20250210132849460](pictures/README/image-20250210132849460.png) 这里我们随便选择一个“YlOrBr”填入cmap_color值的单元格,然后双击运行脚本。 image-20250210133222802 可以修改其他参数来控制其他细节,如标题、文字大小、标签旋转角度等等,也可以直接修改脚本,添加表格中未添加的参数,使用时在代码中直接用 params['xxx']替换具体的参数值,其中xxx是表格中你自己命名的参数名称,脚本将使用该参数对应的具体值来替换代码中的参数。 ## 模板数据示例 ### 1. 项目进度甘特图  ### 2.水平条形图展示每组内各成分构成或占比 有时候会比较各组内部构成成分或比例,下面的图形来自于matplotlib官方的example,使用了向量化绘图。 ![](pictures/README/水平条形图展示调查问卷.png) ### 3.分组柱状图 分组柱状图是使用频率非常高的一种统计图形,除了用基本的颜色进行区分外,还可以调整描边颜色、描边粗细、图形内填充图案等细节对图形进行进一步自定义,增强可读性。 ![](pictures/README/分组柱状图.png) ### 4.棒棒糖图 可以自定义更多绘图细节,包括头的颜色与数据进行映射 ![棒棒糖图](pictures/README/棒棒糖图.png) ### 5.饼图 ![](pictures/README/Figure_1.png) ### 5.ROC曲线绘制 ROC曲线用于评估模型预测效能。 注意:需要安装sklearn包,可以同时绘制多个模型的ROC曲线。 ![](pictures/README/AUC曲线绘制.png)