下载文档原格式
使⽤python模块plotdigitizer抠取论⽂图⽚中的数据技术背景对于各⾏各业的研究⼈员来说，经常会⾯临这样的⼀个问题：有⼀篇不错的⽂章⾥⾯有很好的数据，但是这个数据在⽂章中仅以图⽚的形式出现。
⽽假如我们希望可以从该图⽚中提取出数据，这样就可以⽤我们⾃⼰的形式重新来展现这些数据，还可以额外再附上⾃⼰优化后的数据。
因此从论⽂图⽚中提取数据，是⼀个⾮常实际的需求。
这⾥以前⾯写的为例，博客中有这样的⼀张图⽚：在这篇⽂章中，我们将介绍如何使⽤python从图⽚上把数据抠取出来。
plotdigitizer的安装这⾥我们使⽤pip来安装python第三⽅库plotdigitizer，该库的主要功能就是可以⾃动化的从图⽚中提取出数据，我们可以使⽤腾讯的pip镜像源来加速我们的安装过程：[dechin@dechin-manjaro plotdigitizer]$ python3 -m pip install -i https:///pypi/simple plotdigitizerLooking in indexes: https:///pypi/simpleCollecting plotdigitizerDownloading https:///pypi/packages/89/bb/ff753093458c05ce3b52fd17527b6b0622ca096aadcf561c6316320ab793/plotdigitizer-0.1.3-py3-none-any.whl (20 kB)Collecting loguru<0.6.0,>=0.5.3Downloading https:///pypi/packages/6d/48/0a7d5847e3de329f1d0134baf707b689700b53bd3066a5a8cfd94b3c9fc8/loguru-0.5.3-py3-none-any.whl (57 kB)|████████████████████████████████| 57 kB 521 kB/sCollecting opencv-python<5.0.0,>=4.5.1Downloading https:///pypi/packages/2a/9a/ff309b530ac1b029bfdb9af3a95eaff0f5f45f6a2dbe37b3454ae8412f4c/opencv_python-4.5.1.48-cp38-cp38-manylinux2014_x86_64.whl (50.4 MB) |████████████████████████████████| 50.4 MB 467 kB/sCollecting numpy<2.0.0,>=1.19.5Downloading https:///pypi/packages/c7/e6/dccac76b7e825915ffb906beeba5a953597b6cfe1fe686b5276e122cb07c/numpy-1.20.1-cp38-cp38-manylinux2010_x86_64.whl (15.4 MB)|████████████████████████████████| 15.4 MB 20.4 MB/sCollecting matplotlib<4.0.0,>=3.3.4Downloading https:///pypi/packages/ab/20/60cfe5d611ac86df07b7b1f9b9582f22f7eda5edbe2124ba85bdf3133822/matplotlib-3.3.4-cp38-cp38-manylinux1_x86_64.whl (11.6 MB)|████████████████████████████████| 11.6 MB 4.4 MB/sRequirement already satisfied: python-dateutil>=2.1 in /home/dechin/anaconda3/lib/python3.8/site-packages (from matplotlib<4.0.0,>=3.3.4->plotdigitizer) (2.8.1)Requirement already satisfied: cycler>=0.10 in /home/dechin/anaconda3/lib/python3.8/site-packages (from matplotlib<4.0.0,>=3.3.4->plotdigitizer) (0.10.0)Requirement already satisfied: pillow>=6.2.0 in /home/dechin/anaconda3/lib/python3.8/site-packages (from matplotlib<4.0.0,>=3.3.4->plotdigitizer) (8.0.1)Requirement already satisfied: kiwisolver>=1.0.1 in /home/dechin/anaconda3/lib/python3.8/site-packages (from matplotlib<4.0.0,>=3.3.4->plotdigitizer) (1.3.0)Requirement already satisfied: pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.3 in /home/dechin/anaconda3/lib/python3.8/site-packages (from matplotlib<4.0.0,>=3.3.4->plotdigitizer) (2.4.7)Requirement already satisfied: six>=1.5 in /home/dechin/anaconda3/lib/python3.8/site-packages (from python-dateutil>=2.1->matplotlib<4.0.0,>=3.3.4->plotdigitizer) (1.15.0)Installing collected packages: loguru, numpy, opencv-python, matplotlib, plotdigitizerAttempting uninstall: numpyFound existing installation: numpy 1.19.2Uninstalling numpy-1.19.2:Successfully uninstalled numpy-1.19.2Attempting uninstall: matplotlibFound existing installation: matplotlib 3.3.2Uninstalling matplotlib-3.3.2:Successfully uninstalled matplotlib-3.3.2Successfully installed loguru-0.5.3 matplotlib-3.3.4 numpy-1.20.1 opencv-python-4.5.1.48 plotdigitizer-0.1.3通过运⾏帮助指令，我们可以查看是否安装成功：[dechin@dechin-manjaro plotdigitizer]$ plotdigitizer -husage: plotdigitizer [-h] --data-point DATA_POINT [--location LOCATION] [--plot PLOT] [--output OUTPUT][--preprocess] [--debug]INPUTDigitize image.positional arguments:INPUT Input image file.optional arguments:-h, --help show this help message and exit--data-point DATA_POINT, -p DATA_POINTDatapoints (min 3 required). You have to click on them later. At least 3 pointsare recommended. e.g -p 0,0 -p 10,0 -p 0,1 Make sure that point are commaseparated without any space.--location LOCATION, -l LOCATIONLocation of a points on figure in pixels (integer). These values should appear inthe same order as -p option. If not given, you will be asked to click on thefigure.--plot PLOT Plot the final result. Requires matplotlib.--output OUTPUT, -o OUTPUTName of the output file else trajectory will be written to <INPUT>.traj.csv--preprocess Preprocess the image. Useful with bad resolution images.--debug Enable debug logger执⾏指令与输出图⽚先把需要抠取数据的图⽚放到当前⽬录下，然后运⾏如下指令：plotdigitizer ./test1.png -p 0,-1 -p 20,0 -p 0,0.1 --plot output.png该指令会将test1.png中的数据提取出来，可以使⽤-o存储为csv格式的数据表格。
matplotlib plot_trisurf函数的参数plot_trisurf 是Matplotlib 中用于绘制三维三角网格的函数。
它的主要作用是在三维空间中创建三角网格，并使用颜色来表示表面的高度或其他属性。
以下是关于plot_trisurf 函数的主要参数的详细说明：plot_trisurf 函数的参数：1.ax：Axes3D 子类的实例，表示绘图的三维坐标轴。
2.X、Y、Z：数组或类似对象，分别表示三维数据点的x、y 和z坐标。
这些数组的形状必须相同。
3.triangles：一个形状为(ntri, 3) 的整数数组，表示三角形的顶点索引。
每一行包含三个整数，分别是三角形中三个顶点的索引。
4.norm：用于归一化三角形法向量的Normalization 实例。
如果未指定，则使用默认值。
5.vmin、vmax：用于映射颜色的数据值的范围。
如果提供了这两个参数，颜色将根据Z 中的数据值进行映射，并在vmin 处对应着最小颜色，vmax 处对应着最大颜色。
6.cmap：用于映射标量值到颜色的颜色映射。
可以是字符串（例如，'viridis'）或Colormap 对象。
7.facecolors：用于三角形表面的颜色。
可以是字符串、RGBA元组、RGBA数组或表示颜色的数组。
8.antialiased：控制绘制是否进行抗锯齿处理。
默认为False。
9.lightsource：光源的位置。
如果是None（默认），则使用默认的灯光。
10.shade：如果为True，则绘制表面的阴影。
默认为True。
11.edgecolors：用于绘制三角形边缘的颜色。
12.linewidth：用于绘制三角形边缘的线宽。
使用示例：import matplotlib.pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import Axes3D# 创建数据x =np.random.rand(100)y =np.random.rand(100)z =np.sin(x *y)# 创建三角网格triangles =plt.tri.Triangulation(x, y).triangles# 绘制三维三角网格fig =plt.figure()ax =fig.add_subplot(111, projection='3d')ax.plot_trisurf(x, y, z, triangles=triangles, cmap='viridis')# 显示图形plt.show()以上是plot_trisurf 函数的主要参数及一个简单的使用示例。
gradio plot函数用法-回复Gradio是一个用于构建交互式界面的快速，简单的Python库。
它可以帮助开发人员轻松地创建自定义的用户界面，其中包含文本输入框、滑块、复选框等交互组件。
其中一个强大的功能是Gradio的plot函数，它允许开发人员创建和修改图表，以可视化数据。
本文将深入探讨Gradio中plot函数的使用方法，包括如何创建不同类型的图表、如何自定义图表样式以及如何将数据动态地与图表绑定。
1. 安装Gradio首先，我们需要安装Gradio库。
可以使用pip命令来安装：pythonpip install gradio确保在安装之前已经安装了Python的最新版本。
2. 导入必要的库在开始使用Gradio的plot函数之前，我们需要导入所需的库：pythonimport gradio as grimport matplotlib.pyplot as plt这里导入了gradio库，还导入了用于创建图表的matplotlib库。
3. 使用plot函数创建图表要创建一个图表，我们需要定义一个接受输入参数的函数，并使用`@gr.inputs`装饰器来指定输入参数的类型。
然后，我们可以使用`@gr.outputs`装饰器来指定输出参数的类型，并在函数中使用plot函数来创建图表。
python@gr.outputs(gr.Image)def plot_function(input):# 创建图表plt.plot(input)# 返回图表return plt在这个例子中，我们定义了一个接受输入参数的函数`plot_function`，并使用了`@gr.outputs(gr.Image)`装饰器告诉Gradio图表是一个图像类型的输出。
然后，我们在函数中使用plot函数来创建图表，将输入参数传递给plot函数来显示数据。
最后，我们通过返回plt对象来输出图表。
4. 创建用户界面接下来，我们需要创建一个用户界面来呈现我们的图表。
python plot函数用法PythonPlot函数是Python中用来绘图的一种工具，它可以帮助我们快速的描绘出不同的类型的图形。
Plot函数可以用来绘制曲线图、直方图、箱线图、散点图、饼图和散点图等等。
借助这些图形，不仅可以更好的描绘数据的特征，也可以对数据进行分析，发现数据的规律。
首先，让我们来看一下Plot函数的基本语法：plot(x,y,format-string)，其中x和y是数据点的横纵坐标，format-string是绘图时指定的参数，如线型、点形状、颜色等。
由此可以看出，如果想要得到一张完整的Plot函数图，就需要添加很多参数。
一般常用的Plot函数有线性图、折线图、散点图、多曲线图、柱状图、饼图等。
下面先以折线图为例，来讲解一下Plot函数的具体用法：首先我们需要准备好要绘制的数据，并将这些数据转换为列表形式，如：x_data = [1,2,3,4,5]y_data = [10,15,20,25,30]接着，我们使用matplotlib中的plot函数，并添加要绘制图形的参数：import matplotlib.pyplot as pltplt.plot(x_data, y_data, k-plt.show()上面这段代码中，k-表示要绘制的折线图为黑色的实线（k表示黑色，-表示实线），若想绘制红色虚线，则改为r- --（r表示红色，--表示虚线）。
此外，使用Plot函数的时候，还可以添加用来指定坐标轴范围和标题的参数：plt.xlim(1, 5) #置横坐标范围plt.ylim(10, 30) #置纵坐标范围plt.title(Plot Sample #置标题最后，在确保数据准备好，和参数设置完毕后，就可以运行代码，便可以看到如下的图形：此外，Plot函数还可以绘制出更多复杂的图形，例如：面积图、散点图、箱线图、极坐标图、多曲线图等等，使用起来更加方便、灵活，并且可以把多种图形结合起来，更好的展示出数据的特征和规律。
使用Oringin绘图——单X多Y图每年到修改论文的时候，发现很多同学不懂图形和数据处理，出来的图形惨不忍睹。
有的人想学没处学，有的根本不想学，最后的结果是研究生给本科生干活，老师给学生干活。
所以有空的时候，想以这种方式写一点数据处理技术，给自己的未来减负。
先从最简单的单X多Y图说起。
实验过程中经常遇到系列样品的表征数据，比如红外光谱、X-射线衍射等等，通常这些仪器测定的步长一致，也即X轴完全相同，这时候可以把系列数据绘制在一个图形中，图形的信息量丰富，也方便数据比较。
例如这次本科论文中有一位同学的一组红外数据：先从测试仪器上导出数据，一般都是txt文件，将txt文件直接或经过excel导入到Oringin 软件中，可以通过column/add new column或点击快捷工具来添加多栏数据。
点击作图工具（左下角红色圆圈标示的工具用于线状图），分别设置每一条曲线的X和Y 数据，点击add添加数据。
得到以下的图形：一般红外光谱图测试范围从4000~400cm-1，为了图形清晰美观，要处理以下几个问题：1）双击X轴数据，出现坐标轴编辑栏，在scale栏下分别编辑X和Y轴的范围和increment(间隔）。
2）点击edit/new layer/top X and right Y，增加一层图形，也就是着增加上X和右Y，这样图形比较方正，这时候还必须在坐标轴编辑栏里将上X和右Y的标尺和数据去掉。
在Title&Format里去掉标尺，在Tick Lables里去掉数据。
得到以下的图形：接下来，要把粘在一起的数据分开，第一步将要移动的数据线激活，对着数据线，点击右键，set as active即可，然后可以采用两种方式移动数据：1）Anlysis/Subtract/Reference data（减去某个估计的数值）2）Anlysis/Translate/Vertical（垂直移动一个线段），Oringin自动启动“Screen Reader”和“Data Display”两个工具，用鼠标双击图形窗口内的任意两点，曲线就往上或往下移动一段距离。
利用 Origin 程序及 Digitizer 插件从图中读取数据制作：Dfggc （C）2006，小木虫版权所有，转载请注明 2006 年 5 月 18 日利用 Origin 程序及 Digitizer 插件从图中读取数据By Dfggc， （C）2006，一、背景 当你想把自己的数据和文献中的数据对比时， 文献上只有图形而 没有原始数据，怎么办？在论坛上有 steincat 等老牛提出一些解决方 法， 在这里讲述一下我利用 origin 实现图形数字化的过程， 多谢指正。
二、你所需要的东西 电脑、windows 操作系统（不用说了） ，origin 6.0（网上搂一下， 到处都是，注意是 6.0，新版本没有试过，不能保证成功） ，Digitizer 插件（已上传） 。
三、Origin 6.0 主程序和 Digitizer 插件的安装 1、安装 Origin6.0 很简单，不用细说了吧。
如图。
利用 Origin 程序及 Digitizer 插件从图中读取数据By Dfggc， （C）2006，2、安装插件 如图：选择从开始菜单中选择 origin 程序组下的 addon setup。
利用 Origin 程序及 Digitizer 插件从图中读取数据By Dfggc， （C）2006，选择安装插件所在的文件夹的位置：你电脑里存放 Digitizer6 的 路径:如\\C:\Documents and Settings\new\桌面\Digitizer6，点击 ok，安 装，finish ok安装完成后，打开 Origin，会出现小窗口 addon，如图。
利用 Origin 程序及 Digitizer 插件从图中读取数据By Dfggc， （C）2006，四、利用 Digitizer 插件从图中读取数据 点击 Digitizer 插件图标，出现 Digitizer 界面，如图。
从 PDF 文件或其他来源中选择数据图像，复制。
1. 概述2. plot_samples()函数的作用和意义3. plot_samples()函数的基本用法4. plot_samples()函数参数详解5. plot_samples()函数的示例6. 总结-----1. 概述在数据可视化的工作中，我们经常需要对数据样本进行可视化展示。
在Python的数据分析和机器学习领域中，plot_samples()函数是一个常用的工具，用于快速绘制数据样本的分布和特征。
本文将介绍plot_samples()函数的用法，帮助读者更好地了解和掌握这一重要的数据可视化工具。
2. plot_samples()函数的作用和意义plot_samples()函数是一个用于绘制数据样本的函数，它可以将数据样本以图形的形式展现出来，从而让人们更直观地了解数据的特征和分布情况。
通过plot_samples()函数，我们可以快速对数据样本进行可视化分析，为后续的数据处理和建模工作提供重要参考和指导。
3. plot_samples()函数的基本用法在使用plot_samples()函数时，首先需要导入相应的库：```pythonimport matplotlib.pyplot as pltimport numpy as np```我们可以使用plot_samples()函数来绘制数据样本的分布图：```pythondef plot_samples(X, y):plt.scatter(X[y == 0][:, 0], X[y == 0][:, 1], c='b', label='Class 0') plt.scatter(X[y == 1][:, 0], X[y == 1][:, 1], c='r', label='Class 1') plt.xlabel('Feature 1')plt.ylabel('Feature 2')plt.legend()plt.show()```其中，X是数据样本的特征矩阵，y是数据样本的标签向量。
