python - 如何使用 matplotlib 索引 n 组 4 列以绘制多个图？

Question

我想知道我应该如何在 python 中以编程方式索引/访问某些数据。 我有柱状数据:一组钻孔的深度、温度、梯度、 Gamma 。有n个钻孔。我有一个标题，其中列出了钻孔名称和数字 ID。示例:

Bore_name,Bore_ID,,,Bore_name,Bore_ID,,,, ... 
<a row of headers>
depth,temp,gradient,gamma,depth,temp,gradient,gamma ...

除了粗鲁的迭代，我不知道如何索引数据:

with open(filename,'rU') as f:
    bores = f.readline().rstrip().split(',')   
    headers = f.readline().rstrip().split(',')


# load from CSV file, missing values are empty 'cells'
tdata = numpy.genfromtxt(filename, skip_header=2, delimiter=',', missing_values='', filling_values=numpy.nan)

for column in range(0,numpy.shape(tdata)[1],4):  
    # plots temperature on x, depth on y
    pl.plot(tdata[:,column+1],tdata[:,column], label=bores[column])
    # get index at max depth
    depth = numpy.nanargmin(tdata[:,column])
    # plot text label at max depth (y) and temp at that depth (x)
    pl.text(tdata[depth,column+1],tdata[depth,column],bores[column])

这种方式似乎很简单，但我最近一直在使用 R，并且已经有点习惯了他们通过从标题解释的类和子类来引用数据对象的方式。

Answer 1

好吧，如果您喜欢 R 的 data.table，已经有一些(至少)尝试在 NumPy 中重新创建该功能——通过 NumPy Core 中的其他类和通过外部 Python 库。我发现最有希望的努力是 datarray费尔南多佩雷斯图书馆。这是它的工作原理。

>>> # create a NumPy array for use as our data set
>>> import numpy as NP
>>> D = NP.random.randint(0, 10, 40).reshape(8, 5)

>>> # create some generic row and column names to pass to the constructor
>>> row_ids = [ "row{0}".format(c) for c in range(D1.shape[0]) ]
>>> rows = 'rows_id', row_ids

>>> variables = [ "col{0}".format(c) for c in range(D1.shape[1]) ]
>>> cols = 'variable', variables

实例化 DataArray 实例，方法是调用构造函数并传入一个普通的 NumPy 数组和一个元组列表——每个轴一个元组，并且由于 ndim = 2 这里，列表中有两个元组，每个元组由轴标签 (str) 和该轴的标签序列 (list) 组成。

>>> from datarray.datarray import DataArray as DA
>>> D1 = DA(D, [rows, cols])

>>> D1.axes
      (Axis(name='rows', index=0, labels=['row0', 'row1', 'row2', 'row3', 
           'row4', 'row5', 'row6', 'row7']), Axis(name='cols', index=1, 
           labels=['col0', 'col1', 'col2', 'col3', 'col4']))

>>> # now you can use R-like syntax to reference a NumPy data array by column:
>>> D1[:,'col1']
      DataArray([8, 5, 0, 7, 8, 9, 9, 4])
      ('rows',)