使用不同matplotlib版本绘图的差异

Question

我的一位同事递给我一个脚本，用于从数据库中收集数据并绘制它。当我自己使用脚本时，这些图看起来并不相同，而且它与Matplotlib的版本有关。

绘制数据的脚本非常简短：

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，我的图像看起来像这样：当我使用Matplotlib版本2.0.2运行它时，它看起来应该如此：

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

任何人都可以解释我在Matplotlib中发生了什么变化导致了这一点？而且显然我正在做一些导致这种情况的阴谋。谁能注意到一个错误？我已经尝试过了

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

但这并没有解决它。注意：我宁愿不使用任何非标准软件包（如Pandas），因为获得批准安装此类软件包非常麻烦。

Answer 1

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

在matplotlib 2.1中，categorical plots have been introduced。这现在允许类似的东西

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

虽然这对于某些应用程序当然很好，但它打破了以前的选项，即绘制可转换为浮点数的字符串。我想如果这很好，它只是让用户有责任自己进行转换。

在这种情况下，您可能希望执行此转换

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)

通常，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reading a comma-delimited file with a date object and a float with Python中的转换器。

读入文本文件的另一个选择是pandas.read_csv。