spose是什么

Aspose于2002年3月在澳大利亞悉尼創(chuàng)建，旗下產(chǎn)品覆蓋文檔、圖表、PDF、條碼、OCR、CAD、HTML、電子郵件等各個文檔管理領(lǐng)域，為全球.NET 、Java、C ++等10余種平臺開發(fā)人員提供豐富的開發(fā)選擇。

Aspose.PDF for java

此鏈接「鏈接」是官方的Aspose.PDF for Java文檔，包含了非常全的Java API使用示例，可以作為操作PDF的一手資料。

Aspose.PDF 操作圖片

    public static void processImages(String filePath) {
        Document document=new Document(filePath);
        for (int i=1; i <=document.getPages().size(); i++) {
            Page page=document.getPages().get_Item(i);
            for (int j=1; j <=page.getResources().getImages().size(); j++) {
                XImage image=page.getResources().getImages().get_Item(j);
                System.out.println(image);
                // delete by image features
                if (image.getWidth()==302 && image.getHeight()==95) {
                    System.out.println("delete ad image");
                    image.delete();
                }
            }
        }
        document.save(filePath.replace(".pdf", System.currentTimeMillis() + ".pdf"));
    }

代碼解析：

1. 將文檔解析為document對象 Document |Aspose.PDF for Java API Reference
2. 從document拿到page對象 Page |Aspose.PDF for Java API Reference
3. 從page拿到resource，最終拿到XImage XImage |Aspose.PDF for Java API Reference
4. 通過XImage去操作，刪除圖片

較七個在 Python 中繪圖的庫和 API，看看哪個最能滿足你的需求。

• 來源：https://linux.cn/article-12327-1.html
• 作者：Shaun Taylor-morgan
• 譯者：Xingyu.Wang

（本文字數(shù)：8312，閱讀時長大約：9 分鐘）

比較七個在 Python 中繪圖的庫和 API，看看哪個最能滿足你的需求。

“如何在 Python 中繪圖？”曾經(jīng)這個問題有一個簡單的答案：Matplotlib 是唯一的辦法。如今，Python 作為數(shù)據(jù)科學(xué)的語言，有著更多的選擇。你應(yīng)該用什么呢？

本指南將幫助你決定。

它將向你展示如何使用四個最流行的 Python 繪圖庫：Matplotlib、Seaborn、Plotly 和 Bokeh，再加上兩個值得考慮的優(yōu)秀的后起之秀：Altair，擁有豐富的 API；Pygal，擁有漂亮的 SVG 輸出。我還會看看 Pandas 提供的非常方便的繪圖 API。

對于每一個庫，我都包含了源代碼片段，以及一個使用 Anvil 的完整的基于 Web 的例子。Anvil 是我們的平臺，除了 Python 之外，什么都不用做就可以構(gòu)建網(wǎng)絡(luò)應(yīng)用。讓我們一起來看看。

示例繪圖

每個庫都采取了稍微不同的方法來繪制數(shù)據(jù)。為了比較它們，我將用每個庫繪制同樣的圖，并給你展示源代碼。對于示例數(shù)據(jù)，我選擇了這張 1966 年以來英國大選結(jié)果的分組柱狀圖。

Bar chart of British election data

我從維基百科上整理了 英國選舉史的數(shù)據(jù)集 ：從 1966 年到 2019 年，保守黨、工黨和自由黨（廣義）在每次選舉中贏得的英國議會席位數(shù)，加上“其他”贏得的席位數(shù)。你可以 以 CSV 文件格式下載它 。

Matplotlib

Matplotlib 是最古老的 Python 繪圖庫，現(xiàn)在仍然是最流行的。它創(chuàng)建于 2003 年，是 SciPy Stack 的一部分，SciPy Stack 是一個類似于 Matlab 的開源科學(xué)計算庫。

Matplotlib 為你提供了對繪制的精確控制。例如，你可以在你的條形圖中定義每個條形圖的單獨的 X 位置。下面是繪制這個圖表的代碼（你可以在 這里 運行）：

    import matplotlib.pyplot as plt
    import numpy as np
    from votes import wide as df

    # Initialise a figure. subplots() with no args gives one plot.
    fig, ax=plt.subplots()

    # A little data preparation
    years=df['year']
    x=np.arange(len(years))

    # Plot each bar plot. Note: manually calculating the 'dodges' of the bars
    ax.bar(x - 3*width/2, df['conservative'], width, label='Conservative', color='#0343df')
    ax.bar(x - width/2, df['labour'], width, label='Labour', color='#e50000')
    ax.bar(x + width/2, df['liberal'], width, label='Liberal', color='#ffff14')
    ax.bar(x + 3*width/2, df['others'], width, label='Others', color='#929591')

    # Customise some display properties
    ax.set_ylabel('Seats')
    ax.set_title('UK election results')
    ax.set_xticks(x)    # This ensures we have one tick per year, otherwise we get fewer
    ax.set_xticklabels(years.astype(str).values, rotation='vertical')
    ax.legend()

    # Ask Matplotlib to show the plot
    plt.show()

這是用 Matplotlib 繪制的選舉結(jié)果:

Matplotlib plot of British election data

Seaborn

Seaborn 是 Matplotlib 之上的一個抽象層；它提供了一個非常整潔的界面，讓你可以非常容易地制作出各種類型的有用繪圖。

不過，它并沒有在能力上有所妥協(xié)！Seaborn 提供了訪問底層 Matplotlib 對象的 逃生艙口 ，所以你仍然可以進行完全控制。

Seaborn 的代碼比原始的 Matplotlib 更簡單（可在 此處 運行）：

    import seaborn as sns
    from votes import long as df

    # Some boilerplate to initialise things
    sns.set()
    plt.figure()

    # This is where the actual plot gets made
    ax=sns.barplot(data=df, x="year", y="seats", hue="party", palette=['blue', 'red', 'yellow', 'grey'], saturation=0.6)

    # Customise some display properties
    ax.set_title('UK election results')
    ax.grid(color='#cccccc')
    ax.set_ylabel('Seats')
    ax.set_xlabel(None)
    ax.set_xticklabels(df["year"].unique().astype(str), rotation='vertical')

    # Ask Matplotlib to show it
    plt.show()

并生成這樣的圖表：

Seaborn plot of British election data

Plotly

Plotly 是一個繪圖生態(tài)系統(tǒng)，它包括一個 Python 繪圖庫。它有三個不同的接口：

1. 一個面向?qū)ο蟮慕涌凇?/li>
2. 一個命令式接口，允許你使用類似 JSON 的數(shù)據(jù)結(jié)構(gòu)來指定你的繪圖。
3. 類似于 Seaborn 的高級接口，稱為 Plotly Express。

Plotly 繪圖被設(shè)計成嵌入到 Web 應(yīng)用程序中。Plotly 的核心其實是一個 JavaScript 庫！它使用 D3 和 stack.gl 來繪制圖表。

你可以通過向該 JavaScript 庫傳遞 JSON 來構(gòu)建其他語言的 Plotly 庫。官方的 Python 和 R 庫就是這樣做的。在 Anvil，我們將 Python Plotly API 移植到了 Web 瀏覽器中運行 。

這是使用 Plotly 的源代碼（你可以在這里 運行 ）：

    import plotly.graph_objects as go
    from votes import wide as df

    #  Get a convenient list of x-values
    years=df['year']
    x=list(range(len(years)))

    # Specify the plots
    bar_plots=[
        go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')),
        go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')),
        go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')),
        go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')),
    ]

    # Customise some display properties
    layout=go.Layout(
        title=go.layout.Title(text="Election results", x=0.5),
        yaxis_title="Seats",
        xaxis_tickmode="array",
        xaxis_tickvals=list(range(27)),
        xaxis_ticktext=tuple(df['year'].values),
    )

    # Make the multi-bar plot
    fig=go.Figure(data=bar_plots, layout=layout)

    # Tell Plotly to render it
    fig.show()

選舉結(jié)果圖表：

Plotly plot of British election data

Bokeh

Bokeh （發(fā)音為 “BOE-kay”）擅長構(gòu)建交互式繪圖，所以這個標準的例子并沒有將其展現(xiàn)其最好的一面。和 Plotly 一樣，Bokeh 的繪圖也是為了嵌入到 Web 應(yīng)用中，它以 HTML 文件的形式輸出繪圖。

下面是使用 Bokeh 的代碼（你可以在 這里 運行）：

    from bokeh.io import show, output_file
    from bokeh.models import ColumnDataSource, FactorRange, HoverTool
    from bokeh.plotting import figure
    from bokeh.transform import factor_cmap
    from votes import long as df

    # Specify a file to write the plot to
    output_file("elections.html")

    # Tuples of groups (year, party)
    x=[(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
    y=df['seats']

    # Bokeh wraps your data in its own objects to support interactivity
    source=ColumnDataSource(data=dict(x=x, y=y))

    # Create a colourmap
    cmap={
        'Conservative': '#0343df',
        'Labour': '#e50000',
        'Liberal': '#ffff14',
        'Others': '#929591',
    }
    fill_color=factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)

    # Make the plot
    p=figure(x_range=FactorRange(*x), width=1200, title="Election results")
    p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)

    # Customise some display properties
    p.y_range.start=0
    p.x_range.range_padding=0.1
    p.yaxis.axis_label='Seats'
    p.xaxis.major_label_orientation=1
    p.xgrid.grid_line_color=None

圖表如下：

Bokeh plot of British election data

Altair

Altair 是基于一種名為 Vega 的聲明式繪圖語言（或“可視化語法”）。這意味著它具有經(jīng)過深思熟慮的 API，可以很好地擴展復(fù)雜的繪圖，使你不至于在嵌套循環(huán)的地獄中迷失方向。

與 Bokeh 一樣，Altair 將其圖形輸出為 HTML 文件。這是代碼（你可以在 這里 運行）：

    import altair as alt
    from votes import long as df

    # Set up the colourmap
    cmap={
        'Conservative': '#0343df',
        'Labour': '#e50000',
        'Liberal': '#ffff14',
        'Others': '#929591',
    }

    # Cast years to strings
    df['year']=df['year'].astype(str)

    # Here's where we make the plot
    chart=alt.Chart(df).mark_bar().encode(
        x=alt.X('party', title=None),
        y='seats',
        column=alt.Column('year', sort=list(df['year']), title=None),
        color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
    )

    # Save it as an HTML file.
    chart.save('altair-elections.html')

結(jié)果圖表：

Altair plot of British election data

Pygal

Pygal 專注于視覺外觀。它默認生成 SVG 圖，所以你可以無限放大它們或打印出來，而不會被像素化。Pygal 繪圖還內(nèi)置了一些很好的交互性功能，如果你想在 Web 應(yīng)用中嵌入繪圖，Pygal 是另一個被低估了的候選者。

代碼是這樣的（你可以在 這里 運行它）：

    import pygal
    from pygal.style import Style
    from votes import wide as df

    # Define the style
    custom_style=Style(
        colors=('#0343df', '#e50000', '#ffff14', '#929591')
        font_family='Roboto,Helvetica,Arial,sans-serif',
        background='transparent',
        label_font_size=14,
    )

    # Set up the bar plot, ready for data
    c=pygal.Bar(
        title="UK Election Results",
        style=custom_style,
        y_title='Seats',
        width=1200,
        x_label_rotation=270,
    )

    # Add four data sets to the bar plot
    c.add('Conservative', df['conservative'])
    c.add('Labour', df['labour'])
    c.add('Liberal', df['liberal'])
    c.add('Others', df['others'])

    # Define the X-labels
    c.x_labels=df['year']

    # Write this to an SVG file
    c.render_to_file('pygal.svg')

繪制結(jié)果：

Pygal plot of British election data

Pandas

Pandas 是 Python 的一個極其流行的數(shù)據(jù)科學(xué)庫。它允許你做各種可擴展的數(shù)據(jù)處理，但它也有一個方便的繪圖 API。因為它直接在數(shù)據(jù)幀上操作，所以 Pandas 的例子是本文中最簡潔的代碼片段，甚至比 Seaborn 的代碼還要短！

Pandas API 是 Matplotlib 的一個封裝器，所以你也可以使用底層的 Matplotlib API 來對你的繪圖進行精細的控制。

這是 Pandas 中的選舉結(jié)果圖表。代碼精美簡潔！

    from matplotlib.colors import ListedColormap
    from votes import wide as df

    cmap=ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])

    ax=df.plot.bar(x='year', colormap=cmap)

    ax.set_xlabel(None)
    ax.set_ylabel('Seats')
    ax.set_title('UK election results')

    plt.show()

繪圖結(jié)果：

Pandas plot of British election data

要運行這個例子，請看 這里 。

以你的方式繪制

Python 提供了許多繪制數(shù)據(jù)的方法，無需太多的代碼。雖然你可以通過這些方法快速開始創(chuàng)建你的繪圖，但它們確實需要一些本地配置。如果需要， Anvil 為 Python 開發(fā)提供了精美的 Web 體驗。祝你繪制愉快！

via: https://opensource.com/article/20/4/plot-data-python

作者： Shaun Taylor-Morgan 譯者： wxy 校對： wxy

本文由 LCTT 原創(chuàng)編譯， Linux中國 榮譽推出

點擊“了解更多”可訪問文內(nèi)鏈接