一、背景
重绘岩石电阻率分布图
image
二、基本原理
绘制一个横向的堆积柱状图，把地下的柱状图填充为白色，作为占位。
三、数据整理
通过上网查找到一些常见岩石的电阻率分布范围
图片1
将数据重新在 Excel中编辑，保存为 new 1.csv 文件，编码为 utf-8
粘土,1,10
泥岩,5,60
页岩,10,100
泥质页岩,5,1000
疏松砂岩,2,50
致密砂岩,20,1000
含油砂岩,2,1000
贝壳石灰岩,20,200
泥灰岩,5,500
石灰岩,60,6000
白云岩,50,6000
玄武岩,600,1.00E+05
花岗岩,600,1.00E+05
四、Python绘图
注：csv文件和py文件在同一目录下
技术要点
barh 绘制水平柱状图
barh 绘制堆积柱状图的 底部参数使用的是 left, bar 中是 bottom
semilogx( ) 设置 x 轴为 对数坐标轴， semilogy( )设置 y 坐标轴为对数坐标轴
grid(axis = 'x') 只显示 x 上的网格， grid(axis = 'y') 只显示 y 上的网格
字符串前面的 r 的作用，把字符转变成普通字符，出去 \n \t等转义字符的影响，若没有 r 则 latex 中的 \rho等无法正确显示。
科学计数法的表示：2.0e+5表示
- pandas 排序方法：==sort==，sort_index（ascending = False）按索引降序
- sort_index( ) 按索引排序, sort_values( ) 按值排
- ascending = False 从打到小排， ascending：上升的
代码实现：
import pandas as pd
import matplotlib.pyplot as plt
# 设置中文显示
import matplotlib as mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False
# 使用 pandas 读取csv文件
file = pd.read_csv('new 1.csv', header = None, sep = ',')
df = pd.DataFrame(file)
print(df) # 检查数据是否读取正确
# 切割数据
names = df[0].sort_index(ascending = False)
v1 = df[1].sort_index(ascending = False) # 对数据进行排序
v2 = df[2].sort_index(ascending = False)
# 绘图
fig = plt.figure()
plt.barh(names, v1, color = 'white') # 左边的条形图设置成白色
plt.barh(names, v2, color = 'skyblue',
left = v1, alpha = 0.7) # left 表示堆积的底， 垂直柱状图中为 bottom,这部是关键
# plt.barh(names,len(v1)*[1e+5] ,edgecolor = 'black',
# facecolor = 'white', alpha = 0.4,linewidth = 0.2)
plt.semilogx() # 设置 x 轴为对数坐标
plt.xlabel(r'电阻率值$\rho_s/\Omega\cdot m$') # 使用 latex 风格显示 x 轴标签，前面的 r 去除转义字符的影响
plt.grid(axis = 'x') # 只显示 x 轴的网格
plt.savefig('out.png', dpi = 300) # 存储图片
# 补充
plt.figure()
plt.style.use('ggplot') # 使用ggplot风格
plt.bar(names, v1, color = 'orange')
plt.bar(names, v2, bottom = v1, color = 'skyblue')
plt.xticks(names, rotation = 45) # 旋转 x 轴刻度文字
plt.semilogy()
plt.title('原始图像', fontsize = 10, pad = 20)
plt.savefig('out2.png', dpi = 300, bbox_inches = 'tight')
最终结果
out
out2
