在科学数据分析范畴, 以及可视化领域当中, IDLData因自身具备的高效数组运算特性, 并且还有丰富的绘图功能显得颇为著名。同时, 另外一个则依靠庞大的生态系统, 且还有灵活性, 进而成为现代数据科学的主流工具。而且, IDL -能够将它们双方的优势予以结合, 达成IDL和的无缝集成以科学数据可视化作为例子, 一步一步地进行演示, 怎样借助IDL来达成跨语言协作的自动化绘图流程。一、安装IDL-首先安装IDL和 可参考二、安装库以下是改写后的: 在IDL里被调用的功能, 留意要正确安装其中所运用到的库, 举例来说下面这样的绘图代码就需使用到库。IDL ranpython.import(numpy.random)% Loaded DLM: PYTHON27.IDL arrran.rand(100)IDL pltpython.Import(matplotlib.pyplot)IDL pplt.plot(arr)IDL voidplt.show(block0)必须于其中安装与之相对应的库, 此库要和第一步所介绍的安装教程里的情况保持一致, 仍然是推荐在进行安装这个动作的时候, 能够在其中执行如下这般的命令:conda activate py310conda install matplotlib在安装好了之后, 再一次去执行上面所提到的代码, 进而查看结果。要是报出了如下类似的错误:讲明缺少PyQt相关所依赖的东西, 于安装目录那儿去查看实际上需要安装的PyQt版本, 像PyQt5或者PyQt6这样的。C:\\\envs\py310\Lib\site-后续能够借助像下面这样的命令去安装依赖, 留意要切换国内源, 由于网络问题默认源通常不易安装全。与此同时在命令行执行类似下面这样的命令:conda activate py310pip install sippip install PyQt6 -i https://pypi.tuna.tsinghua.edu.cn/simplepip install PyQt6-tools -i https://pypi.tuna.tsinghua.edu.cn/simple安装好所需的库之后在IDL命令行再次执行绘图代码IDL ranpython.import(numpy.random)% Loaded DLM: PYTHON27.IDL arrran.rand(100)IDL pltpython.Import(matplotlib.pyplot)IDL pplt.plot(arr)IDL voidplt.show(block0)正常情况下应该能看到如下结果三、IDL 无缝调用在将IDL - 以及所需的库安装完毕后, 接下来才正式进入主题: IDL与的没有缝隙的调用。1. 在IDL中调用刚才介绍的在IDL调用的方式是通过导入类的形式实现IDL ranpython.import(numpy.random)% Loaded DLM: PYTHON27.IDL arrran.rand(100)IDL pltpython.Import(matplotlib.pyplot)IDL pplt.plot(arr)IDL voidplt.show(block0)另外, 存在着另外的其它一种方式方法, 于IDL控制台里键入 接着按回车键, 这样便能够进入到命令行模式。要是不输入任何命令, 直接按下回车键, 那么就会退出命令行模式。如下所展示呈现所示的:IDL import matplotlib.pyplot as plt import numpy.random as ran arr ran.rand(100) p plt.plot(arr) plt.show()运行的效果, 跟导入类所采用的方式相同。这两种方式, 各自有着优点和缺点, 而这种方式, 能够彻彻底底地保留原本的编程风格。接下来让我们做几个简单的示例1绘制多条折线图在IDL命令行中输入进入命令行模式。输入如下命令import matplotlib.pyplot as plt#Plot a line graphplt.plot([5, 15], labelRice)plt.plot([3, 6], labelOil)plt.plot([8.0010, 14.2], labelWheat)plt.plot([1.95412, 6.98547, 5.41411, 5.99, 7.9999], labelCoffee)# Add labels and titleplt.title(Interactive Plot)plt.xlabel(X-axis)plt.ylabel(Y-axis)plt.legend()plt.show()若你是将上面的代码实行直接复制并且粘贴到命令行里, 那么需要留意两点。首先, 于IDLDE当中, 仅能够逐行地进行粘贴并执行, 要是多行粘贴操作, 便不会逐行予以执行此情形简直如同是懒人的地狱一般, 在这个时候你能够在其中安装IDL for扩展, 于里面的命令行里实施粘贴执行, 如此一来便不会出现这个问题第二, 被粘贴的行能够看到没办法看到有空出来的行, 这是由于处于命令行里进行操作的时候相当于直接按下回车键, 这样的话就会致使退出命令行模式。执行完上面的代码应该能看到如下结果让我们再做几个有趣的示例2 绘制带有标记的折线图import matplotlib.pyplot as plt# Changing default values for parameters individuallyplt.rc(lines, linewidth2, linestyle-, marker*)plt.rcParams[lines.markersize] 25plt.rcParams[font.size] 10.0#Plot a line graphplt.plot([10, 20, 30, 40, 50])# Add labels and titleplt.title(Interactive Plot)plt.xlabel(X-axis)plt.ylabel(Y-axis)plt.show()3绘制条形图import matplotlib.pyplot as pltimport matplotlib.cm as cmfrom matplotlib.colors import Normalizefrom numpy.random import randdata [2, 3, 5, 6, 8, 12, 7, 5]fig, ax plt.subplots(1, 1)# Get a color mapmy_cmap cm.get_cmap(jet)# Get normalize function (takes data in range [vmin, vmax] - [0, 1])my_norm Normalize(vmin0, vmax8)ax.bar(range(8), rand(8), colormy_cmap(my_norm(data)))plt.show()4绘制极坐标图import matplotlib.pyplot as pltimport numpy as npemployee [Sam, Rony, Albert, Chris, Jahrum]actual [45, 53, 55, 61, 57 , 45]expected [50, 55, 60, 65, 55, 50]# Initialise the spider plot by setting figure size and polar projectionplt.figure(figsize(10, 6))plt.subplot(polarTrue)theta np.linspace(0, 2 * np.pi, len(actual))# Arrange the grid into number of sales equal parts in degreeslines, labels plt.thetagrids(range(0, 360, int(360/len(employee))), (employee))# Plot actual sales graphplt.plot(theta, actual)plt.fill(theta, actual, b, alpha0.1)# Plot expected sales graphplt.plot(theta, expected)# Add legend and title for the plotplt.legend(labels(Actual, Expected), loc1)plt.title(Actual vs Expected sales by Employee)# Dsiplay the plot on the screenplt.show()5绘制极坐标等值线图import numpy as npimport matplotlib.pyplot as plt# Using linspace so that the endpoint of 360 is includedactual np.radians(np.linspace(0, 360, 20))expected np.arange(0, 70, 10)r, theta np.meshgrid(expected, actual)values np.random.random((actual.size, expected.size))fig, ax plt.subplots(subplot_kwdict(projectionpolar))ax.contourf(theta, r, values)plt.show()6绘制热图import matplotlib.pyplot as pltimport pandas as pddf pd.DataFrame([[10, 20, 30, 40], [7, 14, 21, 28], [55, 15, 8, 12],[15, 14, 1, 8]], columns[Apple, Orange, Banana, Pear],index[Basket1, Basket2, Basket3, Basket4])plt.imshow(df, cmapYlGnBu)plt.colorbar()plt.xticks(range(len(df)),df.columns, rotation20)plt.yticks(range(len(df)),df.index)plt.show()这种以IDL互相调用的方式, 能够于代码里充分达成两种编程语言的强大优势, 比如说在IDL的pro源代码当中, 借助IDL所创建的变量, 运用其使用的函数实现变量的绘图显示, 达成无缝衔接。pro testcompile_opt idl2;idl创建的数组变量a[5, 15]b[3, 6]c[8.0010, 14.2]d[1.95412, 6.98547, 5.41411, 5.99, 7.9999];转python变量a_py Python.Wrap(a)b_py Python.Wrap(b)c_py Python.Wrap(c)d_py Python.Wrap(d);无缝调用Python函数并绘制idl创建的变量pltpython.Import(matplotlib.pyplot)pplt.plot(a_py, labelRice, cC7)pplt.plot(b_py, labelOil, cC8)pplt.plot(c_py, labelWheat, cC4)pplt.plot(d_py, labelCoffee, cC6)pplt.title(Interactive Plot)pplt.xlabel(X-axis)pplt.ylabel(Y-axis)pplt.legend()pplt.show()end将上述代码保存成名称是test.pro的文件, 于IDL当中直接对该代码进行编译并且执行