Matplotlib 如何显示存储在pandas DataFrame中的图片

在数据处理和可视化中，pandas和matplotlib是两个广泛使用的Python库。pandas提供了一个数据结构，用于处理表格数据，而matplotlib则作为数据可视化库，提供了一系列功能用于绘制各种图表、图形等。

在实际应用中，我们经常需要将图片存储在pandas DataFrame中，然后通过matplotlib将其显示在图表中。本文将介绍几种方法来实现这个目标。

方法一：使用matplotlib.image 模块

pandas DataFrame对象有一个名为apply()的方法，它可以对每个单元格应用一个给定的函数，返回新的填充值。我们可以使用此方法和matplotlib.image模块来显示存储在pandas DataFrame中的图像。

示例代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

img_data = pd.read_csv("image_data.csv")

# 将每一行的值分割成列表
def split_list(row):
    return row.split(",")

img_data['img'] = img_data['img'].apply(split_list)

# 显示第1行
img = img_data.iloc[0]['img']
img_arr = [[int(pixel) for pixel in row] for row in img]
plt.imshow(img_arr, cmap='gray')
plt.show()

在这个例子中，我们首先使用了read_csv()方法加载一个包含图像数据的pandas DataFrame。

然后，我们定义了一个名为split_list()的函数，用于将每行的字符串转换为列表。该函数返回一个新的列img，它包含将列表转换为整数的像素值。

在最后几行代码中，我们选择了第一行的图像数据，并将其转换为一个2D列表表示图像。然后我们使用了imshow()函数将图像显示出来。

方法二：使用Pillow库

Pillow是Python的图像处理库，它可以用于打开、处理、保存各种图像文件格式。我们可以使用Pillow库将存储在pandas DataFrame中的图像转换为图像对象，然后将其显示出来。

示例代码如下：

import pandas as pd
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np

img_data = pd.read_csv("image_data.csv")

# 将每一行的值分割成列表
def split_list(row):
    return row.split(",")

img_data['img'] = img_data['img'].apply(split_list)

# 将每行数据转换为图像
def convert_to_image(row):
    img_arr = np.array([int(pixel) for pixel in row])
    img_arr = img_arr.reshape((28,28)) # 假设图像大小为28x28
    img = Image.fromarray(img_arr.astype(np.uint8))
    return img

img_data['img'] = img_data['img'].apply(convert_to_image)

# 显示第1行
img = img_data.iloc[0]['img']
plt.imshow(img, cmap='gray')
plt.show()

在这个例子中，我们首先使用了read_csv()方法加载一个包含图像数据的pandas DataFrame。

然后，我们定义了一个名为split_list()的函数，用于将每行的字符串转换为列表。该函数返回一个新的列img，它包含列表转换为图像对象之后的结果。

在最后几行代码中，我们选择了第一行的图像数据，并将其转换为图像对象。然后我们使用了imshow()函数将图像显示出来。

方法三：使用Seaborn库

Seaborn是一个基于matplotlib库的图形可视化工具包，它可以扩展matplotlib的绘图能力，提高绘图效率，同时可以自动生成一些常用的统计图形。

我们可以使用Seaborn库的heatmap()函数来显示存储在pandas DataFrame中的图像数据。

示例代码如下：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

img_data = pd.read_csv("image_data.csv")

# 将每一行的值分割成列表
def split_list(row):
    return row.split(",")

img_data['img'] = img_data['img'].apply(split_list)

# 将每行数据转换为DataFrame格式
def convert_to_dataframe(row):
    return pd.DataFrame(row).T

img_data['img'] = img_data['img'].apply(convert_to_dataframe)

# 将每个像素值转换为浮点类型
def convert_to_float(row):
    return row.astype('float')

img_data['img'] = img_data['img'].apply(convert_to_float)

# 显示第1行
img = img_data.iloc[0]['img']
sns.heatmap(img, cmap='gray', square=True, cbar=False)
plt.axis('off')
plt.show()

在这个例子中，我们首先使用了read_csv()方法加载一个包含图像数据的pandas DataFrame。

然后，我们定义了一个名为split_list()的函数，用于将每行的字符串转换为列表。该函数返回一个新的列img，它包含将列表转换为DataFrame对象之后的结果。

接着，我们定义了一个名为convert_to_dataframe()的函数，用于将行数据转换为DataFrame格式。该函数返回一个DataFrame对象，其行包含原始像素。

在最后几行代码中，我们选择了第一行的图像数据，并将其转换为一个DataFrame对象。然后我们使用了heatmap()函数将图像显示出来。