使用python以指定格式绘制大数据

Question

我是 Python 新手，需要一些关于如何以下列格式绘制数据的帮助（请看图片）

我会有这样的文件格式：

# of IDs \t start_time \t end_time
   428      1404238888      1404314624
   132      1404259731      1404346488
    77      1404347808      1404437873 
    63      1404432707      1404520913
    281     1404518967      1404605334
   .......

根据评论中的建议，我找到了一种通过按开始和结束时间对 ID 进行聚类来减少数据的方法。我的新文件将具有上述格式，其中第一列说明该时间范围内（从开始到结束）有多少个 ID。 所以我想这种情况下更好的图形表示是做条形图。

我的 y 轴是 ID 数，x 轴是时间，单位为天（我的总测量时间约为 3 个月）

我想展示的是在什么时间范围内聚集的 ID 数量最多。 我想要实现的是如下图所示，在我的文件中的每一行，我将绘制一个条形图。

我希望上面的图片能很好地解释我想要实现的目标。让我知道如何开始图表并以我想要的单位设置 y 轴和 x 轴会很棒。抱歉，这是我第一次尝试用 Python 绘制图形。我为我的项目编写了其他代码，并且一直在编写代码来绘制我的最终结果。

提前感谢您的帮助

Answer 1

这真的很简单。如果您在 matplotlib 的示例部分中挖掘一点，您应该不会遇到任何问题。plt.bar(left_edge, height, width) 完全符合您的要求。

1. 得到你需要的。

   import matplotlib.pyplot as plt
   import csv
   

   如果您的数据确实是制表符分隔的文件，它应该如下所示：（您的看起来更像是多个空格分隔的文件 tbh）

   id  start   end
   428 1404238888  1404314624
   132 1404259731  1404346488
   77  1404347808  1404437873 
   63  1404432707  1404520913
   281 1404518967  1404605334
   

2. 读入你拥有的数据。

   file = open("test.txt", "r")
   reader = csv.DictReader(file, delimiter="\t")
   
   ids = [] #open 3 new lists to hold your data
   start = []
   end = [] 
   for data in reader:
       ids.append(float(data["id"]))
       start.append(float(data["start"]))
       end.append(float(data["end"])-float(data["start"])) #remember: it's "width" not "right edge coordinate"
   

3. 这是实际的绘图。

   fig, ax = plt.subplots()
   w = sum(end)/len(end)/10 #change the width of the bar
   for i in range(len(ids)):
       ax.bar(start[i], ids[i], width=end[i])
   
   plt.show()
   

由于在您的问题中您说条的右边缘以第二个坐标结束很重要，因此最好使用end[i] 进行绘图。但是，正如我在图中显示的那样，您有一些重叠问题。 IE。第一个以 ....314 结束...而第二个以 ....259 开始...而且不仅仅是那个。

您本质上要问的内容清楚地表明这是错误的：“我想将文件中的每一行变成一个条形，并且我已经堆叠了 y 轴高度。x 轴是日期。”但显然你没有做对，因为在这样的直方图中不应该有重叠，如果有重叠意味着应该将重叠添加到 bin 的高度之前。

不久前我已经回答了一个类似的问题，关于如何在 matplotlib 中正确处理和堆叠日期，reading it 可能会帮助你。它是在模拟日期时间对象列表上完成的。你的看起来他们已经用date2num 转换了，但同样的原则适用（建议你使用hist 函数并让它处理日期。）

结果（python 3、win7、matplotlib 1.3.1）：