原生数组与 DataFrame#

把 NumPy 或 pandas 数据传给原生图层；这条路线无需 Matplotlib。

平台 wheel 内置 Rust 引擎。默认安装包含 NumPy、pandas、Matplotlib 和 IPython，数据绑定、Figure 导入及 Notebook Magic 均可直接使用。

1python -m pip install laymesh

安装与源码开发

操作流程#

先在 Python 单元格中计算数据：

1import numpy as np2import pandas as pd3 4x = np.linspace(0, 2 * np.pi, 33)5df = pd.DataFrame({"x": x, "y": np.sin(x)})

加载一次扩展：

1%load_ext laymesh.ipython

在另一个单元格中直接将数据交给原生图表：

1%%laymesh -o native.pdf --save-source native.lay2page = canvas(size=(120 mm, 90 mm), background="#ffffff")3d = {{df}}4p = plot(size=(110 mm, 80 mm), plot_area=box(offset=(20 mm, 10 mm), size=(80 mm, 55 mm)),5         x=axis(label="x", range=(0, 7)), y=axis(label="sin(x)", range=(-1.2, 1.2)),6         style=plot_style(font_family="DejaVu Sans", font_size=8 pt))7p.line(x=d["x"], y=d["y"], color="#0072B2")8page.add(p, offset=(5 mm, 5 mm))

坐标轴、标签和折线均由 LayMesh 生成，不创建 Figure。DejaVu Sans 是系统字体名，跨机器复现时建议提供字体文件。支持数值 list/tuple、一维／二维 ndarray、Series 和 DataFrame；DataFrame 列名必须为唯一非空字符串，索引不会自动导出。表格通过 d["列名"] 访问，数组绑定可直接传给图层的 y、z 等参数。

None、NaN 和 pandas NA 会转成 JSON null：折线在缺失处断开，散点跳过，热图单元格透明，并保留诊断。无穷值和不支持的类型报错。绑定只接受未加引号的单个变量名，不接受表达式；计算留在 Python 中。

保存与独立运行#

使用 --save-source 保存展开后的布局和数据资源。完整 Python 脚本与独立 CLI 重渲染步骤见保存源码与独立重渲染。

限制与相关主题#

Notebook Magic · 保存源码与独立重渲染 · Matplotlib 导入

workflow#

本流程的完整源码与可执行验证文件列在功能覆盖清单。组合使用时请遵循本页的输入条件与限制。

Python 字典绑定#

使用 series={{series}} 绑定 Mapping，然后在 .lay 中写 for name,ys in series.items()。字符串键顺序和空字典、嵌套字典均保留；值支持 JSON 容器、字符串、布尔、数字、null 及一维或二维 NumPy 数组。NaN 转为 null，无穷数、超大整数、非字符串键、循环引用和任意对象在渲染前报错，并指出字段路径。--save-source 保存字典 JSON 资源后，可脱离 Python 命名空间重放。

可运行的 Python 字典绑定示例。