使用不同版本的 matplotlib 进行绘图的差异

问题描述：

我的同事给了我一个脚本，用于从数据库中收集数据并绘制图表。当我自己使用该脚本时，图表看起来不一样，这与 Matplotlib 的版本有关。

绘制数据图表的脚本非常短：

import matplotlib.pyplot as plt
import csv
import os
from dateutil import parser

def plot(outputDir,plotsDir,FS):
    allfiles = os.listdir(outputDir)
    flist = []
    for f in allfiles:
        if 'csv' in f.lower(): flist.append(f)
    for f in flist:
        with open(outputDir + '/' + f, 'rt') as ff:
            data = list(csv.reader(ff,delimiter=FS))
        values = [i[2] for i in data[1::]]
        values = ['NaN' if v is '' else v for v in values]
        time = [parser.parse(i[1]) for i in data[1::]]
        plt.xlabel('Time_[UTC]')
        plt.plot(time, values)
        plt.xticks(rotation=40)
        if os.path.isdir(plotsDir) != 1:
            os.mkdir(plotsDir, 777)
        plt.savefig('{}/{}_Data.png'.format(plotsDir, f[:-4]), bbox_inches='tight', dpi=160)
        plt.clf()


outputdir = 'C:/Users/matthijsk/Documents/Test'
plotsdir = outputdir + '/plots'
fs = ','
plot(outputdir, plotsdir, fs)

当我使用 Matplotlib 版本 2.1.0 运行它时，我的图像如下所示：

当我使用 Matplotlib 版本 2.0.2 运行它时，它看起来像它应该的那样：

脚本正在读取的文件如下所示：

stationNo,dtg(UTC),TT_[°C],source_TT,quality_TT
10381,2017-01-01 00:00:00,3.0,ob,na
10381,2017-01-01 01:00:00,3.0,ob,na
10381,2017-01-01 02:00:00,2.4,ob,na
10381,2017-01-01 03:00:00,2.5,ob,na
10381,2017-01-01 04:00:00,2.5,ob,na
10381,2017-01-01 05:00:00,2.3,ob,na
10381,2017-01-01 06:00:00,1.9,ob,na
10381,2017-01-01 07:00:00,1.0,ob,na
10381,2017-01-01 08:00:00,0.1,ob,na
10381,2017-01-01 09:00:00,0.9,ob,na

有人能解释一下 Matplotlib 中发生了哪些变化导致这种情况吗？显然我在绘图时做了一些错误，导致了这种情况。有人能注意到错误吗？我已经尝试使用

values = [float(value) if value.isnumeric() else None for value in values]

但这并没有解决问题。注意：我宁愿不使用任何非标准软件包（例如 Pandas），因为获得安装此类软件包的批准相当麻烦。

解决方案 1：

数据以字符串形式读入。在 matplotlib 2.0 中，这些字符串会自动转换为浮点数，以便可以绘制。

在 matplotlib 2.1 中，引入了分类图。现在允许类似

plt.plot(["apple", "banana", "cherry"], [2,1,3])

虽然这对于某些应用程序来说当然很棒，但它破坏了之前绘制可转换为浮点数的字符串的选项。我想这没问题，只是让用户自己负责进行转换。

在这种情况下，你可能想做这样的转换

values = [None if v is '' else float(v) for v in values]

如果你已经有一个 numpy 数组：np.array(values).astype(float)

一般情况下，可以使用numpy.loadtxt将文件读入浮点数组。如果文件包含日期，则可以使用转换器，例如使用 Python 读取带有日期对象和浮点的逗号分隔文件。

读取文本文件的另一种选择是pandas.read_csv。