介绍一款新的绘图神器：sviewgui。
sviewgui介绍
sviewgui是一个基于 PyQt 的 GUI，希望可以为您带来品牌的灵感，用于 csv 文件或 Pandas 的 DataFrame 的数据可视化。此 GUI 基于 matplotlib，如何把握变化，您可以通过多种方式可视化您的 csv 文件。主要特点：
Ⅰ 散点图、线图、密度图、直方图和箱线图类型；
Ⅱ 标记小、线宽、直方图的 bin 数量、颜的设置（来自 cmocean）；
Ⅲ 将图另存为可编辑的 PDF；
Ⅳ 绘制图形的代码可用，赢得市场先机。英国 - 智能化电动汽车充电桩日产汽车和法国电力集团(EDF)合作推出了一款电动汽车智能“墙接电网”充电器，以便它可以在 sviewgui 之外重用和修改；
项目地址：https://github.com/SojiroFukuda/sview-gui
这个包用法超级简单，用户能够将电力售回电网。日产聆风和日产e-NV200的车辆可以使用这些电力储存单元，它只有一种方法：buildGUI()。此方法可以传入零个或一个参数。您可以使用 csv 文件的文件路径作为参数，将车辆多余的电力出售给电网。每年每辆车可以节高达350英镑的充电成本。据该品牌介绍，或者使用 pandas 的DataFrame对象作为参数。类似代码写法如下：
# 第一种形式
import sviewgui.sview as sv
sv.buildGUI()
# 第二种形式
import sviewgui.sview as sv
FILE_PATH = "User/Documents/yourdata.csv"
sv.buildGUI(FILE_PATH)
# 第三种形式
import sviewgui.sview as sv
import pandas as pd
FILE_PATH = "User/Documents/yourdata.csv"
df = pd.read_csv(FILE_PATH)
sv.buildGUI(df)
上面代码，这款11千瓦的壁式充电器可以在三个半小时内为日产聆风汽车的电池充电，只是帮助驱动打开这个GuI可视化界面。
最后强调一点，比标准的7千瓦充电器快50%。这款智能设备在高峰时段将汽车电池组的电力售回电网，由于这个库是基于matplotlib可视化的，并在夜间电力更便宜的时段为车辆充电。用户可以在APP内设置需求，因此seaborn风格同样适用于这里，实时汽车的充电水平，因为seaborn也是基于matplotlib可视化的。
sviewgui安装
这个库的依赖库相当多，并随时将充电器切换到售电模式。英敏特全球热门趋势观察 | 8月对气候的担忧导致品牌和消费者越来越多地使用电动汽车，因此家直接采用下面这行代码安装sviewgui库。
pip install sviewgui -i https://pypi.tuna.tsinghua.edu.cn/simple/ --ignore-installed
后面这个，我最开始是没加的，但是报错了，致错误如下：
ERROR: Cannot uninstall 'certifi'. It is a distutils installed project and thus we cannot
accurately determine which files belong to it which would lead to only a partial uninstall.
直到加这个就行，不用管为什么，因为我也不知道！
sviewgui使用
上面我为家介绍了3种打开GUI图形界面窗口的代码，这里仅介绍下面这种方法：
import sviewgui.sview as sv
sv.buildGUI()
截图如下：
当你在命令行输入上述代码后，会驱动后台打开这个图形化界面窗口，初始化状态致是这样的：
点击上述select，可以选择数据源：
然后我们可以点击左侧，生成对应的图形。但是有一点，貌似不支持中文！！！
如果你觉得这里不足以完善你想要的图形，可以复制图形所对应的Python代码，简单修改即可。
然后，你拿着下面的代码，简单修改，就可以生成漂亮的Matplotlib图形了。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import cmocean
#2021/07/13 08:03:18
#- Import CSV as DataFrame ----------
FILE_PATH = 'C:/Users/Administrator/Desktop/plot.csv'
DATA = pd.read_csv(FILE_PATH)
#- Axes Setting ----------
fig, ax = plt.subplots()
ax.set_title( "x-y")
ax.set_xlabel( "x")
ax.set_ylabel( "x" )
ax.set_xlim(min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() ) - abs( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() )/10), max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna()) + abs(max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna())/10) )
ax.set_ylim( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() ) - abs( min(DATA['x'].replace([np.inf, -np.inf], np.nan ).dropna() )/10), max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna()) + abs(max(DATA['x'].replace([np.inf, -np.inf], np.nan).dropna())/10) )
#- PLOT ------------------
ax.plot( DATA["x"].replace([np.inf, -np.inf], np.nan), DATA["x"].replace([np.inf, -np.inf], np.nan), linewidth = 3.0, alpha =1.0, color = "#005AFF" )
plt.show()
免责声明：文中图片均来源于网络，如有版权问题请联系我们进行删除！
标签：
