使用matplotlib庫實(shí)現(xiàn)圖形局部數(shù)據(jù)放大顯示的實(shí)踐
一、繪制總體圖形
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1.inset_locator import inset_axes from matplotlib.patches import ConnectionPatch import pandas as pd MAX_EPISODES = 300 x_axis_data = [] for l in range(MAX_EPISODES): x_axis_data.append(l) fig, ax = plt.subplots(1, 1) data1 = pd.read_csv('./result/test_reward.csv')['test_reward'].values.tolist()[:MAX_EPISODES] data2 = pd.read_csv('./result/test_reward_att.csv')['test_reward_att'].values.tolist()[:MAX_EPISODES] ax.plot(data1,label="no att") ax.plot(data2,label = "att") ax.legend()
二、插入局部子坐標(biāo)系
#插入子坐標(biāo)系 axins = inset_axes(ax, width="40%", height="20%", loc=3, bbox_to_anchor=(0.3, 0.1, 2, 2), bbox_transform=ax.transAxes) #在子坐標(biāo)系中放入數(shù)據(jù) axins.plot(data1) axins.plot(data2)
三、限制局部子坐標(biāo)系數(shù)據(jù)范圍
#設(shè)置放大區(qū)間 zone_left = 150 zone_right = 170 # 坐標(biāo)軸的擴(kuò)展比例(根據(jù)實(shí)際數(shù)據(jù)調(diào)整) x_ratio = 0 # x軸顯示范圍的擴(kuò)展比例 y_ratio = 0.05 # y軸顯示范圍的擴(kuò)展比例 # X軸的顯示范圍 xlim0 = x_axis_data[zone_left]-(x_axis_data[zone_right]-x_axis_data[zone_left])*x_ratio xlim1 = x_axis_data[zone_right]+(x_axis_data[zone_right]-x_axis_data[zone_left])*x_ratio # Y軸的顯示范圍 y = np.hstack((data1[zone_left:zone_right], data2[zone_left:zone_right])) ylim0 = np.min(y)-(np.max(y)-np.min(y))*y_ratio ylim1 = np.max(y)+(np.max(y)-np.min(y))*y_ratio # 調(diào)整子坐標(biāo)系的顯示范圍 axins.set_xlim(xlim0, xlim1) axins.set_ylim(ylim0, ylim1)
(-198439.93763, -134649.56637000002)
四、加上方框和連接線
# 原圖中畫方框 tx0 = xlim0 tx1 = xlim1 ty0 = ylim0 ty1 = ylim1 sx = [tx0,tx1,tx1,tx0,tx0] sy = [ty0,ty0,ty1,ty1,ty0] ax.plot(sx,sy,"blue") # 畫兩條線 #第一條線 xy = (xlim0,ylim0) xy2 = (xlim0,ylim1) """ xy為主圖上坐標(biāo),xy2為子坐標(biāo)系上坐標(biāo),axins為子坐標(biāo)系,ax為主坐標(biāo)系。 """ con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data", axesA=axins,axesB=ax) axins.add_artist(con) #第二條線 xy = (xlim1,ylim0) xy2 = (xlim1,ylim1) con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data", axesA=axins,axesB=ax) axins.add_artist(con)
五、總體實(shí)現(xiàn)代碼
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1.inset_locator import inset_axes from matplotlib.patches import ConnectionPatch import pandas as pd MAX_EPISODES = 300 x_axis_data = [] for l in range(MAX_EPISODES): x_axis_data.append(l) fig, ax = plt.subplots(1, 1) data1 = pd.read_csv('./result/test_reward.csv')['test_reward'].values.tolist()[:MAX_EPISODES] data2 = pd.read_csv('./result/test_reward_att.csv')['test_reward_att'].values.tolist()[:MAX_EPISODES] ax.plot(data1,label="no att") ax.plot(data2,label = "att") ax.legend() #插入子坐標(biāo)系 axins = inset_axes(ax, width="20%", height="20%", loc=3, bbox_to_anchor=(0.3, 0.1, 2, 2), bbox_transform=ax.transAxes) #在子坐標(biāo)系中放入數(shù)據(jù) axins.plot(data1) axins.plot(data2) #設(shè)置放大區(qū)間 zone_left = 150 zone_right = 170 # 坐標(biāo)軸的擴(kuò)展比例(根據(jù)實(shí)際數(shù)據(jù)調(diào)整) x_ratio = 0 # x軸顯示范圍的擴(kuò)展比例 y_ratio = 0.05 # y軸顯示范圍的擴(kuò)展比例 # X軸的顯示范圍 xlim0 = x_axis_data[zone_left]-(x_axis_data[zone_right]-x_axis_data[zone_left])*x_ratio xlim1 = x_axis_data[zone_right]+(x_axis_data[zone_right]-x_axis_data[zone_left])*x_ratio # Y軸的顯示范圍 y = np.hstack((data1[zone_left:zone_right], data2[zone_left:zone_right])) ylim0 = np.min(y)-(np.max(y)-np.min(y))*y_ratio ylim1 = np.max(y)+(np.max(y)-np.min(y))*y_ratio # 調(diào)整子坐標(biāo)系的顯示范圍 axins.set_xlim(xlim0, xlim1) axins.set_ylim(ylim0, ylim1) # 原圖中畫方框 tx0 = xlim0 tx1 = xlim1 ty0 = ylim0 ty1 = ylim1 sx = [tx0,tx1,tx1,tx0,tx0] sy = [ty0,ty0,ty1,ty1,ty0] ax.plot(sx,sy,"blue") # 畫兩條線 # 第一條線 xy = (xlim0,ylim0) xy2 = (xlim0,ylim1) """ xy為主圖上坐標(biāo),xy2為子坐標(biāo)系上坐標(biāo),axins為子坐標(biāo)系,ax為主坐標(biāo)系。 """ con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data", axesA=axins,axesB=ax) axins.add_artist(con) # 第二條線 xy = (xlim1,ylim0) xy2 = (xlim1,ylim1) con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data", axesA=axins,axesB=ax) axins.add_artist(con)
到此這篇關(guān)于使用matplotlib庫實(shí)現(xiàn)圖形局部數(shù)據(jù)放大顯示的實(shí)踐的文章就介紹到這了,更多相關(guān)matplotlib 圖形局部數(shù)據(jù)放大顯示內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Python使用matplotlib繪制多個(gè)圖形單獨(dú)顯示的方法示例
- pycharm使用matplotlib.pyplot不顯示圖形的解決方法
- Python使用matplotlib填充圖形指定區(qū)域代碼示例
- 利用matplotlib實(shí)現(xiàn)根據(jù)實(shí)時(shí)數(shù)據(jù)動(dòng)態(tài)更新圖形
- Python matplotlib繪制圖形實(shí)例(包括點(diǎn),曲線,注釋和箭頭)
- python matplotlib模塊基本圖形繪制方法小結(jié)【直線,曲線,直方圖,餅圖等】
- Python使用matplotlib實(shí)現(xiàn)交換式圖形顯示功能示例
- 使用Matplotlib 繪制精美的數(shù)學(xué)圖形例子
相關(guān)文章
Python 時(shí)間處理datetime實(shí)例
Python Cook書中有很多章節(jié)都是針對(duì)某個(gè)庫的使用進(jìn)行介紹或是通過組合多個(gè)函數(shù)實(shí)現(xiàn)一些復(fù)雜的功能。我這里直接跳過了上一章節(jié)中對(duì)于文件處理的一些章節(jié),直接進(jìn)入對(duì)時(shí)間操作的章節(jié)。2008-09-09python調(diào)用pymssql包操作SqlServer數(shù)據(jù)庫的實(shí)現(xiàn)
本文主要介紹了python調(diào)用pymssql包操作SqlServer數(shù)據(jù)庫的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06關(guān)于Django Models CharField 參數(shù)說明
這篇文章主要介紹了關(guān)于Django Models CharField 參數(shù)說明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-03-03Scrapy爬蟲多線程導(dǎo)致抓取錯(cuò)亂的問題解決
本文針對(duì)Scrapy爬蟲多線程導(dǎo)致抓取錯(cuò)亂的問題進(jìn)行了深入分析,并提出了相應(yīng)的解決方案,具有一定的參考價(jià)值,感興趣的可以了解一下2023-11-11詳解python實(shí)現(xiàn)識(shí)別手寫MNIST數(shù)字集的程序
這篇文章主要介紹了詳解python實(shí)現(xiàn)識(shí)別手寫MNIST數(shù)字集的程序,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-08-08python實(shí)現(xiàn)簡(jiǎn)單中文詞頻統(tǒng)計(jì)示例
本篇文章主要介紹了python實(shí)現(xiàn)簡(jiǎn)單中文詞頻統(tǒng)計(jì)示例,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-11-11