跨语言科学计算与数据可视化实践：IDL-Python Bridge使用指南

在科学数据分析和可视化领域，IDL（Interactive Data Language）以其高效的数组运算和丰富的绘图功能著称，而 Python 则凭借庞大的生态系统和灵活性成为现代数据科学的主流工具。而IDL-Python Bridge可以结合他们的优势，实现IDL和Python的无缝集成！

本文将以科学数据可视化为例，手把手演示如何通过 IDL-Python Bridge 实现跨语言协作的自动化绘图流程。

一、安装IDL-Python Bridge

首先安装IDL和Python，可参考：IDL-Python Bridge 安装及兼容版本列表（https://www.cnblogs.com/enviidl/p/18318690）

二、安装Python库

在IDL中调用python的功能，注意要正确安装Python中所使用到的库，例如如下绘图代码需要用到matplotlib库。

IDL> ran=python.import('numpy.random')% Loaded DLM: PYTHON27.IDL> arr=ran.rand(100)IDL> plt=python.Import('matplotlib.pyplot')IDL> p=plt.plot(arr)IDL> void=plt.show(block=0)

需要在python中安装对应的库，与第一步安装教程中介绍的一致，依然推荐在miniconda安装，可在miniconda中执行如下命令：

conda activate py310conda install matplotlib

安装好之后，再次执行上面的代码，查看结果。如果报如下类似错误：

说明缺少PyQt相关依赖，在miniconda安装目录查看实际需要安装的PyQt版本，例如PyQt5或PyQt6。

C:\ProgramData\miniconda3\envs\py310\Lib\site-packages

之后可通过类似如下命令安装依赖，注意切换国内源，默认源因为网络问题往往安装不完全。同样在miniconda命令行执行类似如下命令：

conda activate py310pip install sippip install PyQt6 -i https://pypi.tuna.tsinghua.edu.cn/simplepip install PyQt6-tools -i https://pypi.tuna.tsinghua.edu.cn/simple

安装好所需的库之后，在IDL命令行再次执行绘图代码：

IDL> ran=python.import('numpy.random')% Loaded DLM: PYTHON27.IDL> arr=ran.rand(100)IDL> plt=python.Import('matplotlib.pyplot')IDL> p=plt.plot(arr)IDL> void=plt.show(block=0)

正常情况下应该能看到如下结果：

三、IDL Python无缝调用

安装好IDL-Python Bridge及Python所需的库之后，接下来才进入正题：IDL与Python的无缝调用。

1. 在IDL中调用Python

刚才介绍的在IDL调用Python的方式是通过导入Python类的形式实现：

IDL> ran=python.import('numpy.random')% Loaded DLM: PYTHON27.IDL> arr=ran.rand(100)IDL> plt=python.Import('matplotlib.pyplot')IDL> p=plt.plot(arr)IDL> void=plt.show(block=0)

此外，还有另外一种方法：在IDL控制台中输入 >>>，然后回车，即可进入Python命令行模式。当不输入命令，直接回车时，退出Python命令行模式。如下所示：

IDL> >>>>>> import matplotlib.pyplot as plt>>> import numpy.random as ran>>> arr = ran.rand(100)>>> p = plt.plot(arr)>>> plt.show()>>>

运行效果与导入Pyhton类的方式一样。两种方式各有优劣，>>>的方式可以完全保留Python原始的编程风格。

接下来，让我们做几个简单的示例：

（1）绘制多条折线图

在IDL命令行中输入>>>，进入Python命令行模式。输入如下命令：

import matplotlib.pyplot as plt


    
#Plot a line graphplt.plot([5, 15], label='Rice')plt.plot([3, 6], label='Oil')plt.plot([8.0010, 14.2], label='Wheat')plt.plot([1.95412, 6.98547, 5.41411, 5.99, 7.9999], label='Coffee')# Add labels and titleplt.title("Interactive Plot")plt.xlabel("X-axis")plt.ylabel("Y-axis")plt.legend()plt.show()

如果你是直接复制上面的代码然后粘贴到命令行里，需要注意两点：

第一，在IDLDE里只能逐行粘贴执行，如果多行粘贴不会逐行执行（这简直是懒人地狱😖，此时你可以在vscode中安装IDL for VSCode扩展，在里面的命令行里粘贴执行，则不会出现这个问题😃。）

第二，粘贴的行不能出现空行，因为在命令行里相当于直接回车，会退出Python命令行模式。

执行完上面的代码，应该能看到如下结果：

让我们再做几个有趣的示例：

（2）绘制带有标记的折线图

import matplotlib.pyplot as plt# Changing default values for parameters individuallyplt.rc('lines', linewidth=2, linestyle='-', marker='*')plt.rcParams['lines.markersize'] = 25plt.rcParams['font.size'] = '10.0'#Plot a line graphplt.plot([10, 20, 30, 40, 50])# Add labels and titleplt.title("Interactive Plot")plt.xlabel("X-axis")plt.ylabel("Y-axis")plt.show()

（3）绘制条形图

import matplotlib.pyplot as pltimport matplotlib.cm as cmfrom matplotlib.colors import Normalizefrom numpy.random import randdata = [2, 3, 5, 6, 8, 12, 7, 5]fig, ax = plt.subplots(1, 1)# Get a color mapmy_cmap = cm.get_cmap('jet')# Get normalize function (takes data in range [vmin, vmax] -> [0, 1])my_norm = Normalize(vmin=0, vmax=8)ax.bar(range(8), rand(8), color=my_cmap(my_norm(data)))plt.show()

（4）绘制极坐标图

import matplotlib.pyplot as pltimport numpy as npemployee = ["Sam", "Rony", "Albert", "Chris", "Jahrum"]actual = [45, 53, 55, 61, 57


    
, 45]expected = [50, 55, 60, 65, 55, 50]# Initialise the spider plot by setting figure size and polar projectionplt.figure(figsize=(10, 6))plt.subplot(polar=True)theta = np.linspace(0, 2 * np.pi, len(actual))# Arrange the grid into number of sales equal parts in degreeslines, labels = plt.thetagrids(range(0, 360, int(360/len(employee))), (employee))# Plot actual sales graphplt.plot(theta, actual)plt.fill(theta, actual, 'b', alpha=0.1)# Plot expected sales graphplt.plot(theta, expected)# Add legend and title for the plotplt.legend(labels=('Actual', 'Expected'), loc=1)plt.title("Actual vs Expected sales by Employee")# Dsiplay the plot on the screenplt.show()

（5）绘制极坐标等值线图

import numpy as npimport matplotlib.pyplot as plt# Using linspace so that the endpoint of 360 is includedactual = np.radians(np.linspace(0, 360, 20))expected = np.arange(0, 70, 10)r, theta = np.meshgrid(expected, actual)values = np.random.random((actual.size, expected.size))fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))ax.contourf(theta, r, values)plt.show()

（6）绘制热图

import matplotlib.pyplot as pltimport pandas as pddf = pd.DataFrame([[10, 20, 30, 40], [7, 14, 21, 28], [55, 15, 8, 12],[15, 14, 1, 8]], columns=['Apple', 'Orange', 'Banana', 'Pear'],index=['Basket1', 'Basket2', 'Basket3', 'Basket4'])plt.imshow(df, cmap="YlGnBu")plt.colorbar()plt.xticks(range(len(df)),df.columns, rotation=20)plt.yticks(range(len(df)),df.index)plt.show()

这种IDL Python互相调用的方式可以在代码中充分实现两种编程语言的强大优势。例如在IDL的pro源代码中，通过IDL创建的变量，使用Ptyhon的函数来实现变量的绘图显示，实现无缝衔接：

pro testcompile_opt idl2;idl创建的数组变量a=[5, 15]b=[3, 6]c=[8.0010, 14.2]d=[1.95412, 6.98547, 5.41411, 5.99, 7.9999];转python变量a_py = Python.Wrap(a)b_py = Python.Wrap(b)c_py = Python.Wrap(c)d_py = Python.Wrap(d);无缝调用Python函数并绘制idl创建的变量plt=python.Import('matplotlib.pyplot')p=plt.plot(a_py, label='Rice', c='C7')p=plt.plot(b_py, label='Oil', c='C8')p=plt.plot(c_py, label='Wheat',  c='C4')p=plt.plot(d_py, label='Coffee',  c='C6')p=plt.title("Interactive Plot")p=plt.xlabel("X-axis")p=plt.ylabel("Y-axis")p=plt.legend()p=plt.show()end

保存上面的代码为test.pro在IDL直接编译执行此代码可得到如下结果：

2. 在Python中调用IDL

在Python中同样可以调用IDL的功能。例如如下示例，直接在 Python 中调用 IDL 函数或方法，就像调用一个Python 对象一样简单：

>>> from idlpy import *>>> arr = IDL.findgen(100)/50*3.14159>>> x = 50*IDL.sin(arr)>>> y = 50*IDL.cos(arr)>>> m = IDL.map(test=1)% Compiled module: MAP.>>> p = IDL.plot(x - 90, y, 'r-o2', overplot=1)% Compiled module: PLOT.>>> p = IDL.plot(x + 90, y, 'b-o2', overplot=1)>>> m.save('map.png', resolution=96, border=0, transparent=1)

介绍完这种无缝调用两种语言的强大之后，还是要提醒大家，混合编程虽然可以利用多种语言的优势，但对代码写作能力也提出了很高的要求。开发者需要熟悉不同语言的语法特性、交互机制以及潜在的兼容性问题，同时还要考虑代码的可维护性和性能优化。因此，建议大家根据实际情况评估需求和学习成本，合理选择是否采用混合编程方案。