将循环生成的轮廓图像保存为单个 pdf 文件（最好每页 2 个图像）

Question

我编写了这段代码，它将生成许多等高线图，每个等高线图对应一个文本文件。我有多个文本文件。目前，我能够毫无问题地以 png 格式单独生成所有图像。当我尝试将图像保存为 pdf 文件时，它只保存在 loop.I 中尝试使用 PdfPages 包生成的最后一张图像。这个问题与我之前发布的问题类似，但问题不同。 Similar

问题：我希望能够从 python 自动将所有图像生成到一个 pdf 文件中。所以例如。如果我有 100 个文本文件，那么我想将所有 100 个图像保存到一个 pdf file.Also 理想情况下，我想在 pdf 文件的单个页面中保存 2 个图像。 SO 中有一些关于此的问题，但我找不到适合我的问题的解决方案。由于我有很多案例需要生成图像，所以我想将它们保存为单个 pdf 文件，因为这样更容易分析它们。如果有 suggestions/advice 帮助我，我将不胜感激。

这是示例文本文件 link Sample Text ges

from __future__ import print_function
import numpy as np
from matplotlib import pyplot as plt
from scipy.interpolate  import griddata
from matplotlib.backends.backend_pdf import PdfPages
path = 'location of the text files'
FT_init = 5.4311
delt = 0.15
TS_init = 140
dj_length = 2.4384

def streamfunction2d(y,x,Si_f,q):       
  with PdfPages('location of the generated pdf') as pdf:  
        Stf= plt.contour(x,y,Si_f,20)
        Stf1 = plt.colorbar(Stf)
        plt.clabel(Stf,fmt='%.0f',inline=True)
        plt.figtext(0.37,0.02,'Flowtime(s)',style= 'normal',alpha=1.0)
        plt.figtext(0.5,0.02,str(q[p]),style= 'normal',alpha=1.0)
        plt.title('Streamfunction_test1')
        plt.hold(True)       
        plt.tight_layout()
        pdf.savefig()

        path1 = 'location where the image is saved'
        image = path1+'test_'+'Stream1_'+str((timestep[p]))+'.png'
        plt.savefig(image)    
        plt.close() 

timestep = np.linspace(500,600,2)
flowtime = np.zeros(len(timestep))
timestep = np.array(np.round(timestep),dtype = 'int')
###############################################################################
for p in range(len(timestep)):   
        if timestep[p]<TS_init:
            flowtime[p] = 1.1111e-01
        else:
            flowtime[p] = (timestep[p]-TS_init)*delt+FT_init 
        q = np.array(flowtime)

        timestepstring=str(timestep[p]).zfill(4)
        fname = path+"ddn150AE-"+timestepstring+".txt"
        f = open(fname,'r')
        data = np.loadtxt(f,skiprows=1)
        data = data[data[:, 1].argsort()]
        data = data[np.logical_not(data[:,11]== 0)]                                                                
        Y  = data[:,2]  # Assigning Y to column 2 from the text file
        limit = np.nonzero(Y==dj_length)[0][0]
        Y  = Y[limit:]

        Vf  = data[:,11] 
        Vf  = Vf[limit:]
        Tr  = data[:,9]  
        Tr  = Tr[limit:]

        X  = data[:,1]  
        X  = X[limit:]
        Y  = data[:,2]  
        Y  = Y[limit:]
        U  = data[:,3]  
        U  = U[limit:]
        V  = data[:,4]  
        V  = V[limit:]
        St = data[:,5]  
        St  = St[limit:]
        ###########################################################################     

        ## Using griddata for interpolation from Unstructured to Structured data
        # resample onto a 300x300 grid        
        nx, ny = 300,300

        # (N, 2) arrays of input x,y coords and dependent values
        pts = np.vstack((X,Y )).T
        vals = np.vstack((Tr))
        vals1 = np.vstack((St))

        # The new x and y coordinates for the grid
        x = np.linspace(X.min(), X.max(), nx)
        y = np.linspace(Y.min(), Y.max(), ny)
        r = np.meshgrid(y,x)[::-1]

        # An (nx * ny, 2) array of x,y coordinates to interpolate at
        ipts = np.vstack(a.ravel() for a in r).T 

        Si = griddata(pts, vals1, ipts, method='linear')
        print(Ti.shape,"Ti_Shape")
        Si_f = np.reshape(Si,(len(y),len(x)))
        print(Si_f.shape,"Streamfunction Shape")        
        Si_f = np.transpose(Si_f)        
        streamfunction2d(y,x,Si_f,q)

Answer 1

Edit ：正如您提到的，matplotlib 可能能够使用 PdfPages function. See this related answer 自行处理所有事情。我原来的答案是 hack。

我认为您的代码中的错误是您每次执行循环时都在创建另一个 PdfPage 对象。我的建议是将 PdfPage 对象作为参数添加到 streamfunction2d 函数，并在循环之前一劳永逸地创建 PdfPage 对象（使用 with 语句作为documentation 似乎是个好主意）。

示例：

def streamfunction2d(y,x,Si_f,q,pdf):       
    # (...)
    pdf.savefig(plt.gcf()) 

with PdfPages('output.pdf') as pdf:
   for p in range(len(timestep)): 
      # (...)  
      streamfunction2d(y,x,Si_f,q,pdf)

原回答： 这是使用 pdfunite 软件的快速而肮脏的解决方案。

from matplotlib import pyplot as plt
import numpy as np
import subprocess
import os 

X = np.linspace(0,1,100)
for i in range(10):
    # random plot
    plt.plot(X,np.cos(i*X))

    # Save each figure as a pdf file.
    plt.savefig("page_{:0}.pdf".format(i))
    plt.clf()

# Calling pdfunite to merge all the pages
subprocess.call("pdfunite page_*.pdf united.pdf",shell=True)

# Removing temporary files
for i in range(10):
    os.remove("page_{:0}.pdf".format(i))

它使用了两个东西：

您可以使用 matplotlib 的 savefig 命令将图形保存为 pdf。
您可以使用 subprocess 库调用其他程序。我使用 pdfunite 合并所有页面。确保它在您的机器上可用！

如果你想一个页面有多个图表，你可以使用子图。

或者，您可以使用另一个 python 库（例如 pyPDF）来合并页面，但它需要的代码稍微多一些。这是一个（未经测试的）示例：

from matplotlib import pyplot as plt
import numpy as np
from pyPdf import PdfFileWriter, PdfFileReader

# create an empty pdf file
output = PdfFileWriter()

X = np.linspace(0,1,100)
for i in range(10):
    # random plot
    plt.plot(X,np.cos(i*X))

    # Save each figure as a pdf file.
    fi = "page_{:0}.pdf".format(i)
    plt.savefig(fi)
    plt.clf()

    # add it to the end of the output
    input = PdfFileReader(file(fi, "rb"))
    output.addPage(input.getPage(0))

# Save the resulting pdf file. 
outputStream = file("document-output.pdf", "wb")
output.write(outputStream)

将循环生成的轮廓图像保存为单个 pdf 文件（最好每页 2 个图像）

Save contour images generated in a loop as a single pdf file (2 images per page preferably)

python

interpolation

matplotlib

contour