论文中图表形式多样，常用的处理工具有excel、MATLAB以及Python等，excel自处理的方法有两个缺陷：

1.当数据较多时，容易出现excel“翻白眼”的现象；

2.需要使用subplot功能或批量处理时，使用MATLAB或Python更为方便；

3.excel处理的图在美观程度上较论文图表标准有一定的距离。对比MATLAB以及Python的plot功能，从图的美观角度出发，Python稍占优势，下文讲简要介绍将excel中的数据提取到Python中并利用Python的matplotlib库制图的过程。

一.如何将Excel中的数据导入Python中：

此部分主要介绍如何将Excel中的数据导入python中(原始数据可能在.txt或.out文件中，且数据较为繁杂，可以先利用MATLAB或python将数据进行处理存入Excel中，包括一些简单的计算、排列等，以便于之后的绘图，或直接利用python提取.txt中数据，在此不做详细介绍)，主要方法是利用python的xlrd库，流程如下：# 导入xlrd库

import xlrd
# 读取指定Excel文件(此处为excel_dir)中的数据
data=xlrd.open_workbook(excel_dir)
# 读取指定data中某sheet(此处命名为sheetname)中的数据
table=data.sheet_by_name(sheetname)
#读取table中某一列的数据
needs=table.col_values(0)

其中有几个需要说明的点：

1.excel_dir和sheetname如何定义？

excel_dir应写成字符串的格式(即' '或者" ")，最终应以.xls或.xlsx等Excel的后缀结尾，比如读取Administrator桌面上的名为result.xls的文件可写为：

excel_dir = 'C:\Users\Administrator\Desktop\result.xls'data=xlrd.open_workbook(excel_dir)
sheetname定义的方法同上，除此之外sheet还有通过索引顺序的读取方法：
table = data.sheets()[0] #通过索引顺序获取
table = data.sheet_by_index(0) #通过索引顺序获取

2.如何读取某单元格或者某行的数据？

流程中所示为读取某sheet中某列的数据，同理某行数据为：

table.col_values(i)

读取某单元格数据命令为：

table.cell(i,j).value

3.读取某行或某列数据时，数据的范围是什么？

举个例子：当某sheet中表格如下时，会读取4×3表格中的数据。


即若想读取B列数据，代码应写为

table.col_values(1)

注意：python是从0开始计数的，故column number应为1，此时计入的信息为：[u'',u'',4,u'']

且注意table的维度由各个sheet决定，及若某excel表格有多个sheet，可能出现list长度不同的情况。

4.如果想取某列2-5行如何做呢？

table.col_values(i)[1:5]

5.若想取到最后一个数字，应如何编写代码？

由于各行/列的数据类型可能不同，可能会出现第一列仅4个数字，而第二列有9个数字，而最多的一列有100个数字等类似的情况，若直接用取整列的命令，会使list中掺入u''，导致下一步的绘图出错，此时可以使用如下方法：

a_col=table.col_values(i)
a=a_col[0,a_col.index(u'')]

但需注意，此命令不能对控制行数的列使用，否则也会报错，可编写其他判断语句进行鉴别是否使用该命令。

二.如何利用Python进行绘图：

此处介绍利用matplotlib库进行绘图的方法，首先应导入matplotlib库：

import numpy as npimport matplotlib.pyplot as plt
绘图方法很简单，大致流程如下：# 绘图命令，1为图号，并设置figsize
fig_drift= plt.figure(1,figsize=(12,4))
# 设置数据在x轴和y轴的坐标，以及颜色、标签等属性，此处用了两组数据
plt.plot(drift[0], story,"g-",label='$Damped$')
plt.plot(drift[1], story,"r-.",label='$Undamped$')
# 设置x轴和y轴的标签
plt.xlabel('Drift')
plt.ylabel('Storey')
# 选择显示数据组标签
plt.legend()
# 设置x轴和y轴的间隔及范围
plt.xticks((0.000,0.005,0.010,0.015))
plt.yticks(range(1,5,1))
# 设置图名
plt.title('minor')

其中需要说明的几点：

1.如何绘制多图？

很简单，只需在设置了图号名之后，插入：

ax2 = plt.subplot(132)
plt.sca(ax2)

后面的命令与前述一致，值得一提的是，plt.subplot(131)指的是绘制一个含有1×3子图的图，且ax1代表的是第2张图，而plt.sca(ax2)表示选择该子图。

2.设置x轴、y轴以及其他命令如何判断是赋予哪张图的属性呢？

matplotlib会直接将该属性赋予上一plot对象。

3.如何绘制散点图？

把pl.plot(x, y)改成pl.plot(x, y, 'o')即可。

4.其他一些设置参数：# 设置x轴和y轴的上下限

pl.xlim(i, j)
pl.ylim(m,n)
# 显示图
pl.show()
# 保存图，自动存为png格式
plt.savefig(dir+name.png,dpi=600)

除此之外还支持设置x轴(y轴)坐标显示，绘制饼状图、直方图等功能，在此不再一一介绍。

三.说点题外话：

曾经看过一句话：“世界上没有烂语言，只有写语言的烂人”。

每种语言各自有其优势，也有其劣势，在此不做过多评价。如何利用语言实现绘图或达到更多目标，在于我们如何选择。恰到好处地使用for或def、class等语句，能使一段代码如虎添翼，写在这里，作为给自己的提醒：遇到问题先明确方法、形成体系再进入编写，不要盲目地将看似正确的语言进行强行拼凑，返工率极高。