如何将matplotlib绘制的统计图表数据存入JSON对象

实现方法 #

JSON本身仅支持字符串、数值、数组、布尔值、普通对象这类可序列化结构，无法直接存储matplotlib的绘图对象，你可以根据需求选择以下两种方案： #

方案1：存储图表原始计算数据

该方案占用空间小，后续可基于数据重新渲染、调整图表样式，适合需要二次编辑图表的场景。
你需要修改函数，在绘图的同时收集各类图表的计算结果，最后汇总到JSON中：

import json
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 先初始化空JSON对象
plots_json = {}

def statistical_plots(desired_column):
    values = given_df.loc[:, desired_column].values
    fig, axes = plt.subplots(nrows=2, ncols=2, figsize=[8, 8])
    plot_data = {}

    # 直方图数据收集+绘制
    hist_counts, hist_bins = np.histogram(values, bins='auto')
    plot_data['histogram'] = {
        'counts': hist_counts.tolist(),
        'bins': hist_bins.tolist()
    }
    axes[0,0].hist(values, bins='auto')
    axes[0,0].set_title('Histogram')

    # 箱线图数据收集+绘制
    q1 = np.percentile(values,25)
    q3 = np.percentile(values,75)
    iqr = q3 - q1
    plot_data['boxplot'] = {
        'min': float(values.min()),
        'q1': float(q1),
        'median': float(np.median(values)),
        'q3': float(q3),
        'max': float(values.max()),
        'outliers': [float(v) for v in values if v < q1 - 1.5*iqr or v > q3 + 1.5*iqr]
    }
    axes[0,1].boxplot(values)
    axes[0,1].set_title('Boxplot')

    # Q-Q图数据收集+绘制
    qq_theoretical, qq_sample = stats.probplot(values, fit=False)
    plot_data['qq_plot'] = {
        'theoretical_quantiles': qq_theoretical.tolist(),
        'sample_quantiles': qq_sample.tolist()
    }
    stats.probplot(values, plot=axes[1,0])
    axes[1,0].set_title('Q-Q Plot')

    # P-P图数据收集+绘制
    sorted_vals = np.sort(values)
    mean_val = np.mean(values)
    std_val = np.std(values)
    cdf_vals = stats.norm.cdf(sorted_vals, loc=mean_val, scale=std_val)
    pp_percentiles = np.arange(1, len(values)+1) / len(values)
    plot_data['pp_plot'] = {
        'theoretical_cdf': cdf_vals.tolist(),
        'sample_percentiles': pp_percentiles.tolist()
    }
    axes[1,1].plot(pp_percentiles, cdf_vals, 'o')
    axes[1,1].plot([0,1],[0,1], 'r--')
    axes[1,1].set_title('P-P Plot')

    plt.suptitle(f'Basic Statistical Plots of {desired_column}')
    fig.tight_layout()
    plt.close(fig) # 避免多余内存占用
    
    # 把当前列的图表数据加入JSON对象
    plots_json[f'Basic Statistical Plots of {desired_column}'] = plot_data

# 遍历所有列生成数据
for col in given_df.columns:
    statistical_plots(col)

# 最后可导出为JSON文件
with open('plots_data.json', 'w', encoding='utf-8') as f:
    json.dump(plots_json, f, ensure_ascii=False, indent=2)

方案2：存储渲染后的图表Base64字符串

如果需要保存完整的已渲染图表样式，不需要后续调整，可直接将图表转为Base64编码的图片字符串存入JSON：

import json
import base64
from io import BytesIO
import matplotlib.pyplot as plt

plots_json = {}

def statistical_plots(desired_column):
    values = given_df.loc[:, desired_column].values
    fig, axes = plt.subplots(nrows=2, ncols=2, figsize=[8, 8])

    # 此处保留你原有4张图的绘制逻辑不变
    # ...

    plt.suptitle(f'Basic Statistical Plots of {desired_column}')
    fig.tight_layout()

    # 把图表转为Base64字符串
    buffer = BytesIO()
    plt.savefig(buffer, format='png', dpi=75, bbox_inches='tight')
    buffer.seek(0)
    img_base64 = base64.b64encode(buffer.read()).decode('utf-8')
    plt.close(fig)

    plots_json[f'Basic Statistical Plots of {desired_column}'] = {
        'image_base64': img_base64,
        'image_format': 'png'
    }

# 遍历所有列生成数据
for col in given_df.columns:
    statistical_plots(col)

# 导出JSON文件
with open('plots_images.json', 'w', encoding='utf-8') as f:
    json.dump(plots_json, f, ensure_ascii=False, indent=2)

后续需要使用图片时，直接将image_base64字段的内容加前缀data:image/png;base64,即可在前端页面展示、或解码写入本地生成PNG文件。

内容的提问来源于stack exchange，提问作者SupernovifieD