用Python创建图表以外的表和可呈现对象的方法

Question

我有以下代码，通过以下代码运行：

从一个真实的分布中提取一些要点。使用这些点与curve_fit一起提取参数。检查这些参数是否平均接近真值。(您可以通过创建“拉分布”来做到这一点，并查看它是否返回一个标准的正常变量。

# This script calculates the mean and standard deviation for
# the pull distributions on the estimators that curve_fit returns

import numpy as np
from scipy.optimize import curve_fit
import matplotlib.pyplot as plt
import gauss
import format

numTrials = 10000
# Pull given by (a_j - a_true)/a_error)
error_vec_A = [] 
error_vec_mean = []
error_vec_sigma = []

# Loop to determine pull distribution
for i in xrange(0,numTrials):

    # Draw from primary distribution
    mean = 0; var = 1; sigma = np.sqrt(var); 
    N = 20000
    A = 1/np.sqrt((2*np.pi*var))
    points = gauss.draw_1dGauss(mean,var,N)

    # Histogram parameters
    bin_size = 0.1; min_edge = mean-6*sigma; max_edge = mean+9*sigma
    Nn = (max_edge-min_edge)/bin_size; Nplus1 = Nn + 1
    bins = np.linspace(min_edge, max_edge, Nplus1)

    # Obtain histogram from primary distributions    
    hist, bin_edges = np.histogram(points,bins,density=True)
    bin_centres = (bin_edges[:-1] + bin_edges[1:])/2

    # Initial guess
    p0 = [5, 2, 4]

    coeff, var_matrix = curve_fit(gauss.gaussFun, bin_centres, hist, p0=p0)

    # Get the fitted curve
    hist_fit = gauss.gaussFun(bin_centres, *coeff)

    # Error on the estimates
    error_parameters = np.sqrt(np.array([var_matrix[0][0],var_matrix[1][1],var_matrix[2][2]]))

    # Obtain the error for each value: A,mu,sigma 
    A_std = (coeff[0]-A)/error_parameters[0]
    mean_std = ((coeff[1]-mean)/error_parameters[1])
    sigma_std = (np.abs(coeff[2])-sigma)/error_parameters[2]

    # Store results in container
    error_vec_A.append(A_std)
    error_vec_mean.append(mean_std)
    error_vec_sigma.append(sigma_std)

# Plot the distribution of each estimator        
plt.figure(1); plt.hist(error_vec_A,bins,normed=True); plt.title('Pull of A')
plt.figure(2); plt.hist(error_vec_mean,bins,normed=True); plt.title('Pull of Mu')
plt.figure(3); plt.hist(error_vec_sigma,bins,normed=True); plt.title('Pull of Sigma')

# Store key information regarding distribution 
mean_A = np.mean(error_vec_A); sigma_A = np.std(error_vec_A)    
mean_mu = np.mean(error_vec_mean); sigma_mu = np.std(error_vec_mean)    
mean_sigma = np.mean(error_vec_sigma); sigma_sig = np.std(error_vec_sigma)    
info = np.array([[mean_A,sigma_A],[mean_mu,sigma_mu],[mean_sigma,sigma_sig]])

我的问题是，我不知道如何使用python将数据格式化为表。我必须手动进入变量，然后转到google来显示信息。我只是想知道我怎么能用熊猫或其他图书馆。

下面是手动插入的一个示例：

                          Trial 1   Trial 2  Trial 3
Seed                     [0.2,0,1] [10,2,5]  [5,2,4]
Bins for individual runs    20        20        20
Points Thrown              1000      1000      1000
Number of Runs             5000      5000      5000
Bins for pull dist fit      20        20        20
Mean_A                   -0.11177  -0.12249  -0.10965
sigma_A                   1.17442   1.17517   1.17134
Mean_mu                   0.00933  -0.02773  -0.01153
sigma_mu                  1.38780   1.38203   1.38671
Mean_sig                  0.05292   0.06694   0.04670
sigma_sig                 1.19411   1.18438   1.19039

我想自动化这个表，所以如果我在代码中更改参数，我将得到一个新的表，其中包含新的数据。

Answer 1

我将与CSV模块一起生成一个体面的表。

Answer 2

如果您还没有使用它，那么IPython笔记本非常适合呈现丰富显示格式。它在很多其他方面也很好。

当熊猫数据call对象是单元格中的最后一个未返回的值时，或者如果您显式调用Ipython.core.display.display函数而不是打印，它将将它们呈现为html表。

如果你还没有使用熊猫，我强烈建议你这样做。它基本上是2D和3D numpy数组的包装器；它同样快，但是它有很好的命名约定、数据分组和过滤功能，以及其他一些很酷的东西。

在这一点上，这取决于你想如何呈现它。您可以使用nbconvert转换将整个笔记本渲染为静态html或pdf。您可以将html表复制粘贴到Excel、PowerPoint或电子邮件中.