Python中 Matplotlib局部放大图的画法
在做对比实验中,除了对整体形状的对比,在很多情况下都需要对某一局部的数据进行放大,来观察更加精细的对比效果。
工具
Python的Matplotlib库函数
步骤
1、导入依赖库
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.inset_locator import inset_axes
from matplotlib.patches import ConnectionPatch
2、准备数据
reward_demaddpg[]
储存的是执行demaddpg算法后所获得的300个reward结果。
因此横坐标设置为:
MAX_EPISODES = 300
x_axis_data = []
for l in range(MAX_EPISODES):x_axis_data.append(l)
5个对比实验结果存在5个数组中,分别表示demaddpg算法中设置的不同的学习率:
3、绘主图
fig, ax = plt.subplots(1, 1)
ax.plot(x_axis_data, reward_demaddpg5, color='#4169E1', alpha=0.8, label='$1*10^{-5}$')
ax.plot(x_axis_data, reward_demaddpg10, color='#848484', alpha=0.8, label='$5*10^{-6}$')
ax.plot(x_axis_data, reward_demaddpg15, color='#FF774A', alpha=0.8, label='$1*10^{-6}$')
ax.plot(x_axis_data, reward_demaddpg20, color='#575B20', alpha=0.8, label='$5*10^{-7}$')
ax.plot(x_axis_data, reward_demaddpg25, color='#B84D37', alpha=0.8, label='$1*10^{-7}$')
ax.legend(loc="lower right")
ax.set_xlabel('Episodes')
ax.set_ylabel('Total reward')
其中fig, ax = plt.subplots(a,b)
用来控制子图个数:a为行数,b为列数。
效果图如下:
4、嵌入局部放大图的坐标系
axins = inset_axes(ax, width="40%", height="30%", loc='lower left',bbox_to_anchor=(0.3, 0.1, 1, 1), bbox_transform=ax.transAxes)
参数解释如下:
- ax:父坐标系
- width, height:子坐标系的宽度和高度(百分比形式或者浮点数个数)
- loc:子坐标系的位置
- bbox_to_anchor:边界框,四元数组(x0, y0, width, height)
- bbox_transform:从父坐标系到子坐标系的几何映射
- axins:子坐标系
固定坐标系的宽度和高度以及边界框,分别设置loc为左上、左下、右上(默认)、右下和中间,效果图如下:
效果图如下:
另外有一种更加简洁的子坐标系嵌入方法:
axins = ax.inset_axes((0.2, 0.2, 0.4, 0.3))
ax为父坐标系,后面四个参数同样是(x0, y0, width, height)
,上述代码的含义是:以父坐标系中的x0=0.2*x,y0=0.2*y
为左下角起点,嵌入一个宽度为0.2x,高度为0.3y的子坐标系,其中x和y分别为父坐标系的坐标轴范围。效果如下图所示:
5、在子坐标系中绘制原始数据
axins.plot(x_axis_data, reward_demaddpg5, color='#4169E1', alpha=0.8, label='$1*10^{-5}$')
axins.plot(x_axis_data, reward_demaddpg10, color='#848484', alpha=0.8, label='$5*10^{-6}$')
axins.plot(x_axis_data, reward_demaddpg15, color='#FF774A', alpha=0.8, label='$1*10^{-6}$')
axins.plot(x_axis_data, reward_demaddpg20, color='#575B20', alpha=0.8, label='$5*10^{-7}$')
axins.plot(x_axis_data, reward_demaddpg25, color='#B84D37', alpha=0.8, label='$1*10^{-7}$')
效果如下:
6、设置放大区间,调整子坐标系的显示范围
# 设置放大区间
zone_left = 100
zone_right = 150# 坐标轴的扩展比例(根据实际数据调整)
x_ratio = 0 # x轴显示范围的扩展比例
y_ratio = 0.05 # y轴显示范围的扩展比例# X轴的显示范围
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轴的显示范围
y = np.hstack((reward_demaddpg5[zone_left:zone_right], reward_demaddpg10[zone_left:zone_right],reward_demaddpg15[zone_left:zone_right],reward_demaddpg20[zone_left:zone_right],reward_demaddpg25[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# 调整子坐标系的显示范围
axins.set_xlim(xlim0, xlim1)
axins.set_ylim(ylim0, ylim1)
效果如下:
7、建立父坐标系与子坐标系的连接线
# 原图中画方框
tx0 = xlim0
tx1 = xlim1
ty0 = ylim0
ty1 = ylim1
sx = [tx0,tx1,tx1,tx0,tx0]
sy = [ty0,ty0,ty1,ty1,ty0]
ax.plot(sx,sy,"black")# 画两条线
xy = (xlim0,ylim0)
xy2 = (xlim0,ylim1)
con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data",axesA=axins,axesB=ax)
axins.add_artist(con)xy = (xlim1,ylim0)
xy2 = (xlim1,ylim1)
con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data",axesA=axins,axesB=ax)
axins.add_artist(con)
画方框
使用了画连接方框四个顶点的四条线段就可以了,从某个点绕个圈再回到起点,就画出了方框,使用pyplot(x,y),还可以方便地指定颜色,线宽等。
画跨子图的线
这里使用连接线,在matplotlib.patches有一个ConnectionPatch类型,就是用的这个,它可以用在一个或多个子图之间画线。
con = ConnectionPatch(xyA,xyB,coordsA,coordsB, axesA,axesB)
这里xyA是子图里面的点,xyB是主图里面的点,coordsA和coordsB默认值"data",也不用改,然后就是axesA要添加子图,axesB为要连接的主图。
axins.add_artist(con)
最后将连接线添加进子图。注意是子图不是主图。
效果图如下:
以上就是局部放大图的画法,最后的方框和线的画法不止一种,这里只是找了比较简单直接的一种。
希望对你有帮助。
原文链接:
https://juejin.im/post/5eddf7a96fb9a047923a483b文源网络,仅供学习之用,如有侵权请联系删除。
在学习Python的道路上肯定会遇见困难,别慌,我这里有一套学习资料,包含40+本电子书,800+个教学视频,涉及Python基础、爬虫、框架、数据分析、机器学习等,不怕你学不会!
https://shimo.im/docs/JWCghr8prjCVCxxK/ 《Python学习资料》关注公众号【Python圈子】,优质文章每日送达。
Python中 Matplotlib局部放大图的画法相关推荐
- 【Python】Matplotlib局部放大图画法
[Python]Matplotlib局部放大图画法 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.axes_ ...
- python中matplotlib自定义设置图像标题使用的字体类型:获取默认的字体族及字体族中对应的字体、自定义设置图像标题使用的字体类型
python中matplotlib自定义设置图像标题使用的字体类型:获取默认的字体族及字体族中对应的字体.自定义设置图像标题使用的字体类型 目录
- Python中matplotlib默认绘制的条形图比较胖?如何设置成体型匀称的条形图,达到最佳的可视化效果。
Python中matplotlib默认绘制的条形图比较胖?如何设置成体型匀称的条形图,达到最佳的可视化效果. #默认情形下的条形图 n_bars = len(x_labels)xval = np.ar ...
- python绘制三维曲面图-python中Matplotlib实现绘制3D图的示例代码
Matplotlib 也可以绘制 3D 图像,与二维图像不同的是,绘制三维图像主要通过 mplot3d 模块实现.但是,使用 Matplotlib 绘制三维图像实际上是在二维画布上展示,所以一般绘制三 ...
- python 颜色_如何使用python中matplotlib库分析图像颜色
用代码分析图像可能很困难.你如何使代码"理解"图像的上下文? 通常,使用AI分析图像的第一步 是找到主要颜色.在如何使用python中matplotlib库分析图像颜色中,我们将使 ...
- (原)python中matplotlib的颜色及线条控制
(原)python中matplotlib的颜色及线条控制https://www.cnblogs.com/darkknightzh/p/6117528.html 转载于: (原)python中matpl ...
- python中matplotlib是什么意思_python中Matplotlib面向对象是什么?
之前讲过Matplotlib以及作图的一些小技巧.那么,小编问大家Matplotlib面向对象是什么?有的人就答不上来了.接下来我们一起探究. Matplotlib中常⽤对象的包含关系为Figure ...
- python中matplotlib条形图数值大的在最底层显示_如何使用python的matplotlib模块绘制水平条形图...
python是一个很有趣的语言,可以在命令行窗口运行.python中有很多功能强大的模块,这篇经验告诉你,如何利用python的matplotlib模块,绘制水平条形图. 工具/原料 windows系 ...
- python中matplotlib绘图中文显示问题
由于毕业设计中用到了python的matplotlib绘图,期间老师一直要让图中的title和label中文显示,matplotlib默认不支持中文, 经过了一上午的折腾,终于成功解决这个问题,这里分 ...
最新文章
- 从源码分析DEARGUI之菜单
- 2010年暑假送给大学生30句话
- UA MATH523A 实分析3 积分理论16 截口与单调类、特征函数的Fubini定理
- 议rman的crosscheck和obsolete
- 海康威视主机升级固件_海康威视网络广播主机DSKAM6HG1S
- LOADRUNNER连接ORACLE数据库的方法
- “手把手教你学linux驱动开发”OK6410系列之02---虚拟字符设备
- 从Client应用场景介绍IdentityServer4(二)
- jedis 连接池使用流程图
- hdu3394--Railway(点的双连通分量)
- 把一个SVN项目的目录结构 导入到另外一个空白的SVN项目里
- Byte学堂:出租车数据竟然可以这么玩!
- 如何使用虚拟串口软件进行串口调试
- php 时间戳转换日期格式用法
- ArcGis-学习笔记1-地图矢量化
- 谷歌浏览器提示因应用程序的并行配置不正确无法启动
- asp.net发邮件
- Ubuntu交叉编译工具链安装
- 揭开宏的神秘面纱:什么是宏,为什么使用宏?
- html在字体两边加直线,CSS文字两边添加横线的几种方法