Python读取excel生成正态分布图

2023-07-15 11:17| 来源: 网络整理| 查看: 265

需求背景：在制造业工厂为了统计产品尺寸的分布程度，需要制作正态分布图，excel 中没有专门的概率分布图制作比较麻烦。使用python容易实现。运行环境： win10 win8 win7 64位操作系统 python 3.6 以上第三方库： numpy matplotlib xlrd 程序代码:

import matplotlib.pyplot as plt import numpy as np import matplotlib import matplotlib.mlab as mlab import xlrd #import time def get_excel_value(j,filename): #j代表列0是第一列,j,filename 为文件名 row_list =[] #建立空列表插入尺寸数据 excel = xlrd.open_workbook(r"%s"%filename) #sheet = excel.sheet_by_index(0) #根据下标获取对应的sheet表 sheet = excel.sheet_by_name("report") #根据表名获取对应的sheet表 #for j in range(0,sheet.ncols): for i in range(5, sheet.nrows): #从表的第6行开始到 if sheet.row_values(i, start_colx=j, end_colx=j+1): #内循环 row_list.append(sheet.row_values(i, start_colx=j, end_colx=j+1)[0]) #每次循环取一个单元格数据插入列表中 arr_mean = np.mean(row_list) arr_std = np.std(row_list,ddof=1) return row_list,arr_mean,arr_std #函数返回尺寸数据,尺寸均值,尺寸标准差 def get_tolerance(j,filename): #读取公差函数，公差在工作表的3-5行 excel = xlrd.open_workbook(r"%s"%filename) sheet = excel.sheet_by_index(0) #根据下标获取对应的sheet表 nominalvalue = sheet.row_values(2, start_colx=j, end_colx=j+1)[0] up=sheet.row_values(3, start_colx=j, end_colx=j+1)[0] low=sheet.row_values(4, start_colx=j, end_colx=j+1)[0] LSL=nominalvalue+low USL=nominalvalue+up return LSL,USL def get_name(j,filename): #获取尺寸名 excel = xlrd.open_workbook(r"%s"%filename) sheet = excel.sheet_by_index(0) #根据下标获取对应的sheet表 name = sheet.row_values(1, start_colx=j, end_colx=j+1)[0] return name class higram: def __init__(self,dimension,filename,mu,sigma,data,LSL,USL,num_bins ): self.dimension=dimension self.filename=filename self.mu=mu self.sigma=sigma self.data=data self.LSL=LSL self.USL=USL self.num_bins=num_bins def creatchart(self): # 设置matplotlib正常显示中文和负号 matplotlib.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文 matplotlib.rcParams['axes.unicode_minus']=False # 正常显示负号 def norm_pdf(x,mu,sigma): pdf = np.exp(-((x - mu)**2) / (2* sigma**2)) / (sigma * np.sqrt(2*np.pi)) #正态分布函数 return pdf n, bins, patches = plt.hist(self.data, self.num_bins, density=1, facecolor="blue", edgecolor="black", alpha=0.5)#facecolor直方填充颜色edgecolor直方边框颜色 #FFC0CB Pink 粉红 #E6E6FA Lavender 淡紫色/熏衣草淡紫 y=norm_pdf(bins, mu, sigma) #概率分布图 #print(y) plt.plot(bins, y, 'r--',linestyle='-') #概率分布图"_"代表实线,"r--"代表红色 x = np.linspace(self.LSL, self.LSL, 100) #等差数列 y = np.linspace(0, 60, 100) plt.text(x[0],y[39],'LSL',size=13) #text(x,y,str),x,y 文字的坐标 plt.plot(x, y, 'g--', linewidth=1) x = np.linspace(self.USL, self.USL, 100) y = np.linspace(0, 60, 100) plt.text(x[0],y[39],'USL',size=13) plt.plot(x, y, 'g--', linewidth=1) plt.xlabel("区间")# 显示纵轴标签 plt.ylabel("频数/频率") # 显示图标题 plt.title(self.dimension+"_正态分布图") plt.subplots_adjust(left=0.15) #把画的图从左边0.15(整个为1)处开始, 要不把y轴的label显示不出来 plt.show() if __name__ == "__main__": #s=time.time() data=get_excel_value(0,"检测报告.xls")[0] #尺寸数据 mu=get_excel_value(0,"检测报告.xls")[1] #尺寸均值 sigma=get_excel_value(0,"检测报告.xls")[2] #尺寸标准差 LSL=get_tolerance(0,"检测报告.xls")[0] #下公差 USL=get_tolerance(0,"检测报告.xls")[1] #上公差 Dimension=get_name(0,"检测报告.xls") #尺寸名 #e=time.time() #t=e-s #print(t) '''print("result:",data) print("mean:",mu) print("std:",sigma) print("LSL:",LSL) print("USL:",USL) print("Dimension:",Dimension)''' h=higram(Dimension,"检测报告.xls",mu,sigma,data,LSL,USL,num_bins=60) h.creatchart()

运行效果：

在这里插入图片描述

【本文地址】

公司简介

联系我们