Spotfire如何实现自定义图(如等值线图)

大家好，欢迎来到IT知识分享网。

Spotfire提供了丰富的常用图表，如树形图、交叉表、条形图、饼图、散点图等，但还是有部分图表默认没有提供，如等值线图，或自定义组合图，如箱线图+点线图。不过Spotfire提供了自定义画图接口，可通过自定义函数(Python、R等)实现自定义画图，自定义画图的灵活大很大，可根据需求自由实现，等值线图和箱线图+点线图的效果如下：

实现方式：

1.数据准备

本案例所需的数据格式如下，即每个GLASS_ID所测试的不同点位坐标的测试值(附件可下载)

2.等值线图

2.1等值线图选项准备：可根据需求增加或减少，通过文档属性传递至函数脚本中

多图选项：属性名：contourSizetype，值：自动缩放(zoom)/始终大图(large)，指多个子图(多个GLASS_ID)时，固定每个小图尺寸(清晰度优先)还是固定大图尺寸(总尺寸优先)

多图排版：属性名：contourColNum，值：auto(0)/1列(1)/2列(2)……，指多图时的排版，auto值自动根据子图个数选择合适的排版，其它值为固定列数

颜色样式：属性名：contourColor，值如下，可将值存为表后选择来自列中的唯一值：，指等值线图的cmap参数(颜色样式)

添加线条：属性名：contourLine，值：是(yes)/否(no)，指等值线图中是否添加线条

色阶数量：属性名：levelNum，值：数值范围(3~20)，指等值线图的色阶分段数量

色阶方式：属性名：levelType，值：单独(0)/统一(1)，指多个子图时，每个子图单独色阶还是采用统一色阶，统一色阶更方便对比子图之间的差异

2.2自定义函数编写:新建自定义函数contourPlot，输入参数如下图，输出参数为二进制的值contourbinary

 函数如下：

import pandas as pd import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import Rbf plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号 if data.empty: plt.figure(figsize=(5,1)) plt.axis('off') plt.title('没有选择数据，输出空白图片',fontsize=18) plt.tight_layout() plt.savefig('contourplot.png') else: glasses = data['GLASS_ID'].unique() if leveltype == 0: level = levelnum+1 else: value_max = data['VALUE'].max() value_min = data['VALUE'].min() level = np.linspace(value_min,value_max,levelnum+1) num = len(glasses) if col == 0: col = int(np.ceil(np.sqrt(num))) row = int(np.ceil(num/col)) if zoomtype == 'large': plt.figure(figsize = (col*5,row*5)) font_size = 10 else: plt.figure() font_size = int(10/col(1/3)) plt.rc('font', size=font_size) for i in range(num): df = data[data['GLASS_ID']==glasses[i]] df1=df["COOR_GX"]#读取第一列数据 df2=df['COOR_GY']#读取第二列数据 df3=df['VALUE']#读取第三列数据 odf1=np.linspace(-750,750,50)#设置网格经度 odf2=np.linspace(-925,925,50)#设置网格纬度 odf1,odf2=np.meshgrid(odf1,odf2)#网格化 func=Rbf(df1,df2,df3,function='cubic')#定义插值函数 odf3_new=func(odf1,odf2)#获得插值后的z值 ax1 = plt.subplot(row,col,i+1) plt.title(glasses[i], fontsize=int(font_size*1.2)) if contourLine == 'yes': line = plt.contour(odf1,odf2,odf3_new,level,colors = 'black',linewidths=1.0) plt.clabel(line , inline=True) plt.contourf(odf1,odf2,odf3_new,level,cmap=colortype)#画图 plt.colorbar() plt.scatter(df1,df2,c='black',s=10) plt.tight_layout() plt.savefig('contourplot.png') with open('contourplot.png','rb') as file: contourbinary = file.read() 

2.3图形展示：新建文本区域，选择标签类型，关联属性为输出的二进制值contourbinary

 效果如下： 

 选择4个GLASS_ID自动排版为2×2：

 选择8个GLASS_ID自动排版为3×3： 

 切换颜色样式为BrBG

 2.4生成所有色阶图：可以用脚本生成所有色阶图，方便直观选择色阶

CMAP = 'Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terrain, terrain_r, viridis, viridis_r, winter, winter_r'.split(', ') num = len(CMAP) col = 8#int(np.ceil(np.sqrt(num))) row = int(np.ceil(num/col)) plt.figure(figsize = (col*2.5,row*2)) # plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号 for i in range(num): df = data[data['GLASS_ID']==glasses[0]] df1=df["COOR_GX"]#读取第一列数据 df2=df['COOR_GY']#读取第二列数据 df3=df['VALUE']#读取第三列数据 odf1=np.linspace(-750,750,50)#设置网格经度 odf2=np.linspace(-925,925,50)#设置网格纬度 odf1,odf2=np.meshgrid(odf1,odf2)#网格化 func=Rbf(df1,df2,df3,function='cubic')#定义插值函数 odf3_new=func(odf1,odf2)#获得插值后的z值 ax1 = plt.subplot(row,col,i+1) plt.title(CMAP[i], fontsize=12) line = plt.contour(odf1,odf2,odf3_new,10,colors = 'black') plt.clabel(line , inline=True, fontsize=8) plt.contourf(odf1,odf2,odf3_new,10,cmap=CMAP[i])#画图 plt.colorbar() plt.tight_layout() plt.savefig('CMAP.png')

 3.箱线图+点线图

实现方式相同，只是函数代码不同

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns #计算坐标轴范围，使line和box分开展示 value_max, value_min ,value_max_right= data['VALUE'].max(),data['VALUE'].min(),data.groupby('GLASS_ID')['VALUE'].mean().max() value_max_left = max(value_max*0.8,value_max*1.2) value_max_right = max(value_max_right*0.95,value_max_right*1.05) value_min = min(value_min*0.95,value_min*1.05) #计算横坐标，用于横坐标隐藏设置，标签显示等 x_label = data['GLASS_ID'].unique() plt.figure(figsize = (6.5,4)) plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号 plt.xticks(rotation=45) #90度旋转 # ax1 = plt.subplot(111) ax1 = sns.boxplot(x='GLASS_ID',y='VALUE',data=data, color='orange', #箱子颜色 showcaps=True,#上下横线显示，可省略 showfliers=True,#异常值显示,可省略 # fliersize=5,#异常值大小 flierprops={'marker':'*','markeredgecolor':'red','markersize':'5'}, linewidth=0.75,#箱子线宽 # medianprops = {'linestyle':'-','color':'orange'},#设置中位数线线型及颜色 showmeans=True, meanline=True,#显示均值线 meanprops = {'linestyle':'-','color':'blue'},#设置均值线属性 # meanprops={"marker": "o", # "markeredgecolor": "black", # "markerfacecolor": "red", # "markersize": "6"} ) ax1.set_ylim([value_min,value_max_left]) ax1.legend(labels=['箱线图'], loc='upper left') ax2 = ax1.twinx()#跟ax1共用一个x轴，组合图使用 ax2 = sns.lineplot(x='GLASS_ID',y='VALUE',data=data,label='平均值', marker='o',markersize=4, estimator='mean', ci=None # 取消阴影 ) ax2.set_ylim([value_min,value_max_right]) ax2.legend(loc='best') for i in range(len(x_label)):#(0,len(x_label),1): ax2.text(x_label[i],data.groupby('GLASS_ID')['VALUE'].mean()[x_label[i]]+(value_max_right-value_min)/50, format(data.groupby('GLASS_ID')['VALUE'].mean()[x_label[i]],'.2g'), fontsize=8, horizontalalignment='center',#水平对齐方式 ，可以填 ‘center’ ， ‘right’ ，‘left’ 等 # verticalalignment='baseline',#垂直对齐方式 ，可选 ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等 #rotation=90, color='black'#字体颜色，可省略 ) plt.xticks(range(0,len(x_label),1)) #坐标间隔设置 # fig.autofmt_xdate() plt.tight_layout() plt.savefig('boxplot.png') #with open('boxplot.png','rb') as file: # boxbinary = file.read() boxbinary = open('boxplot.png','rb').read()