python简单代码画曲线图教程-用Python画论文折线图、曲线图?几个代码模板轻松搞定!...
前言
这几天在搞论文图,唉说实话抠图这种东西真能逼死人。坐在电脑前抠上一天越看越丑,最后把自己丑哭了……
到了画折线图分析的时候,在想用哪些工具的时候。首先否决了excel,读书人的事,怎么能用excel画论文的图呢?
然后我又尝试了Gnuplot、Matlab、Python等。这些软件作图无疑是一个非常好的选择,他们都有一个共同的特点,就是图片都是用代码生成的。
但是学习成本太高啦。为了画一个破图,折腾上十天半个月,谁受得了。
像小编这种偶尔写写代码日常懂点代码的还好。但那些平时不写代码而且没有代码基础又没有一个会写代码的男朋友或者只有一个不会写代码的男朋友的女生可咋办?
python+Matplotlib
最后挑来挑去,最终选用了python+Matplotlib。Matplotlib是著名Python的标配画图包,其绘图函数的名字基本上与 Matlab 的绘图函数差不多。优点是曲线精致,软件开源免费,支持Latex公式插入,且许多时候只需要一行或几行代码就能搞定。
然后小编经过了几天的摸索,找了几个不错的python代码模板,供大家简单修改就能快速上手使用。建议使用Wing Personal 作为PythonIDE,生成的图片能上下左右进行调整:
NO.1
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['Arial']#如果要显示中文字体,则在此处设为:SimHei
plt.rcParams['axes.unicode_minus']=False#显示负号
x = np.array([3,5,7,9,11,13,15,17,19,21])
A = np.array([0.9708, 0.6429, 1, 0.8333, 0.8841, 0.5867, 0.9352, 0.8000, 0.9359, 0.9405])
B= np.array([0.9708, 0.6558, 1, 0.8095, 0.8913, 0.5950, 0.9352, 0.8000, 0.9359, 0.9419])
C=np.array([0.9657, 0.6688, 0.9855, 0.7881, 0.8667, 0.5952, 0.9361, 0.7848, 0.9244, 0.9221])
D=np.array([0.9664, 0.6701, 0.9884, 0.7929, 0.8790, 0.6072, 0.9352, 0.7920, 0.9170, 0.9254])
#label在图示(legend)中显示。若为数学公式,则最好在字符串前后添加"$"符号
#color:b:blue、g:green、r:red、c:cyan、m:magenta、y:yellow、k:black、w:white、、、
#线型:- -- -. : ,
#marker:. , o v < * + 1
plt.figure(figsize=(10,5))
plt.grid(linestyle = "--") #设置背景网格线为虚线
ax = plt.gca()
ax.spines['top'].set_visible(False) #去掉上边框
ax.spines['right'].set_visible(False) #去掉右边框
plt.plot(x,A,color="black",label="A algorithm",linewidth=1.5)
plt.plot(x,B,"k--",label="B algorithm",linewidth=1.5)
plt.plot(x,C,color="red",label="C algorithm",linewidth=1.5)
plt.plot(x,D,"r--",label="D algorithm",linewidth=1.5)
group_labels=['dataset1','dataset2','dataset3','dataset4','dataset5',' dataset6','dataset7','dataset8','dataset9','dataset10'] #x轴刻度的标识
plt.xticks(x,group_labels,fontsize=12,fontweight='bold') #默认字体大小为10
plt.yticks(fontsize=12,fontweight='bold')
plt.title("example",fontsize=12,fontweight='bold') #默认字体大小为12
plt.xlabel("Data sets",fontsize=13,fontweight='bold')
plt.ylabel("Accuracy",fontsize=13,fontweight='bold')
plt.xlim(3,21) #设置x轴的范围
#plt.ylim(0.5,1)
#plt.legend() #显示各曲线的图例
plt.legend(loc=0, numpoints=1)
leg = plt.gca().get_legend()
ltext = leg.get_texts()
plt.setp(ltext, fontsize=12,fontweight='bold') #设置图例字体的大小和粗细
plt.savefig('D:\filename.png') #建议保存为svg格式,再用inkscape转为矢量图emf后插入word中
plt.show()
效果图:
NO.2
# coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Arial'] # 如果要显示中文字体,则在此处设为:SimHei
plt.rcParams['axes.unicode_minus'] = False # 显示负号
x = np.array([1, 2, 3, 4, 5, 6])
VGG_supervised = np.array([2.9749694, 3.9357018, 4.7440844, 6.482254, 8.720203, 13.687582])
VGG_unsupervised = np.array([2.1044724, 2.9757383, 3.7754183, 5.686206, 8.367847, 14.144531])
ourNetwork = np.array([2.0205495, 2.6509762, 3.1876223, 4.380781, 6.004548, 9.9298])
# label在图示(legend)中显示。若为数学公式,则最好在字符串前后添加"$"符号
# color:b:blue、g:green、r:red、c:cyan、m:magenta、y:yellow、k:black、w:white、、、
# 线型:- -- -. : ,
# marker:. , o v < * + 1
plt.figure(figsize=(10, 5))
plt.grid(linestyle="--") # 设置背景网格线为虚线
ax = plt.gca()
ax.spines['top'].set_visible(False) # 去掉上边框
ax.spines['right'].set_visible(False) # 去掉右边框
plt.plot(x, VGG_supervised, marker='o', color="blue", label="VGG-style Supervised Network", linewidth=1.5)
plt.plot(x, VGG_unsupervised, marker='o', color="green", label="VGG-style Unsupervised Network", linewidth=1.5)
plt.plot(x, ourNetwork, marker='o', color="red", label="ShuffleNet-style Network", linewidth=1.5)
group_labels = ['Top 0-5%', 'Top 5-10%', 'Top 10-20%', 'Top 20-50%', 'Top 50-70%', ' Top 70-100%'] # x轴刻度的标识
plt.xticks(x, group_labels, fontsize=12, fontweight='bold') # 默认字体大小为10
plt.yticks(fontsize=12, fontweight='bold')
# plt.title("example", fontsize=12, fontweight='bold') # 默认字体大小为12
plt.xlabel("Performance Percentile", fontsize=13, fontweight='bold')
plt.ylabel("4pt-Homography RMSE", fontsize=13, fontweight='bold')
plt.xlim(0.9, 6.1) # 设置x轴的范围
plt.ylim(1.5, 16)
# plt.legend() #显示各曲线的图例
plt.legend(loc=0, numpoints=1)
leg = plt.gca().get_legend()
ltext = leg.get_texts()
plt.setp(ltext, fontsize=12, fontweight='bold') # 设置图例字体的大小和粗细
plt.savefig('./filename.svg', format='svg') # 建议保存为svg格式,再用inkscape转为矢量图emf后插入word中
plt.show()
效果图:
NO.3
# coding=utf-8
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure
import numpy as np
figure(num=None, figsize=(2.8, 1.7), dpi=300)
#figsize的2.8和1.7指的是英寸,dpi指定图片分辨率。那么图片就是(2.8*300)*(1.7*300)像素大小
test_mean_1000S_n = [0.7,0.5,0.3,0.8,0.7,0.5,0.3,0.8,0.7,0.5,0.3,0.8,0.7,0.5,0.3,0.8,0.7,0.5,0.3,0.8]
test_mean_1000S = [0.9,0.8,0.7,0.6,0.9,0.8,0.7,0.6,0.9,0.8,0.7,0.6,0.9,0.8,0.7,0.6,0.9,0.8,0.7,0.6]
plt.plot(test_mean_1000S_n, 'royalblue', label='without threshold')
plt.plot(test_mean_1000S, 'darkorange', label='with threshold')
#画图,并指定颜色
plt.xticks(fontproperties = 'Times New Roman', fontsize=8)
plt.yticks(np.arange(0, 1.1, 0.2), fontproperties = 'Times New Roman', fontsize=8)
#指定横纵坐标的字体以及字体大小,记住是fontsize不是size。yticks上我还用numpy指定了坐标轴的变化范围。
plt.legend(loc='lower right', prop={'family':'Times New Roman', 'size':8})
#图上的legend,记住字体是要用prop以字典形式设置的,而且字的大小是size不是fontsize,这个容易和xticks的命令弄混
plt.title('1000 samples', fontdict={'family' : 'Times New Roman', 'size':8})
#指定图上标题的字体及大小
plt.xlabel('iterations', fontdict={'family' : 'Times New Roman', 'size':8})
plt.ylabel('accuracy', fontdict={'family' : 'Times New Roman', 'size':8})
#指定横纵坐标描述的字体及大小
plt.savefig('./where-you-want-to-save.png', dpi=300, bbox_inches="tight")
#保存文件,dpi指定保存文件的分辨率
#bbox_inches="tight" 可以保存图上所有的信息,不会出现横纵坐标轴的描述存掉了的情况
plt.show()
#记住,如果你要show()的话,一定要先savefig,再show。如果你先show了,存出来的就是一张白纸。
效果图:
最后在放点Matplotlib相关设置供大家参考:
附颜色表
Marker常见参数
注:大家可以mark一下,说不定以后用得上呢?
最后,我还是用回了excel作图。。。
python简单代码画曲线图教程-用Python画论文折线图、曲线图?几个代码模板轻松搞定!...相关推荐
- python画折线图代码-用Python画论文折线图、曲线图?几个代码模板轻松搞定!
前言 这几天在搞论文图,唉说实话抠图这种东西真能逼死人.坐在电脑前抠上一天越看越丑,最后把自己丑哭了-- 到了画折线图分析的时候,在想用哪些工具的时候.首先否决了excel,读书人的事,怎么能用exc ...
- python画折线图代码实现_用Python画论文折线图、曲线图?几个代码模板轻松搞定!...
前言 这几天在搞论文图,唉说实话抠图这种东西真能逼死人.坐在电脑前抠上一天越看越丑,最后把自己丑哭了-- 到了画折线图分析的时候,在想用哪些工具的时候.首先否决了excel,读书人的事,怎么能用exc ...
- matlab 折线图_用Python画论文折线图、曲线图?几个代码模板轻松搞定!
前言 这几天在搞论文图,唉说实话抠图这种东西真能逼死人.坐在电脑前抠上一天越看越丑,最后把自己丑哭了-- 到了画折线图分析的时候,在想用哪些工具的时候.首先否决了excel,读书人的事,怎么能用exc ...
- 用Python画论文折线图、曲线图?几个代码模板轻松搞定!
前言 这几天在搞论文图,唉说实话抠图这种东西真能逼死人.坐在电脑前抠上一天越看越丑,最后把自己丑哭了-- 到了画折线图分析的时候,在想用哪些工具的时候.首先否决了excel,读书人的事,怎么能用exc ...
- python简单代码表白-如何正确使用Python进行表白
原标题:如何正确使用Python进行表白 提到程序员, 可能每个同学都认识一个-- 爱穿格子衬衫.冲锋衣,爱宅着敲代码的程序员或者准程序员, 他们仿佛永远在bug和debug的路上, 还总爱自黑自己是 ...
- 计算机论文折线图,干货 | 画论文折线图、曲线图?几个代码模板轻松搞定!
这几天在搞论文图,唉说实话抠图这种东西真能逼死人.坐在电脑前抠上一天越看越丑,最后把自己丑哭了-- 到了画折线图分析的时候,在想用哪些工具的时候.首先否决了excel,读书人的事,怎么能用excel画 ...
- python简单代码-手把手教你用Python创建简单的神经网络(附代码)
了解神经网络工作方式的***途径莫过于亲自创建一个神经网络,本文将演示如何做到这一点. 神经网络(NN)又称人工神经网络(ANN),是机器学习领域中基于生物神经网络概念的学习算法的一个子集. 拥有五年 ...
- python简单代码制作小游戏-用Python设计一个经典小游戏
本文主要介绍如何用Python设计一个经典小游戏:猜大小. 在这个游戏中,将用到前面我介绍过的所有内容:变量的使用.参数传递.函数设计.条件控制和循环等,做个整体的总结和复习. 游戏规则: 初始本金是 ...
- python简单代码hello-[代码全屏查看]-python初学之helloworld
[2].[文件] data.txt ~ 8KB 下载(25) 0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00,0x00 ...
最新文章
- 懂点 Nginx 反向代理与负载均衡,是面试加分项没有之一
- python类相关的研究生专业-为什么很多大学生甚至研究生抛弃专业去做码农呢?...
- Python paramiko模块基本使用(一)
- 更新一些CAD中比较容易混淆的概念
- Python 文本转语音
- (CNVD-2021-49104) 泛微E-Office v9.0任意文件上传漏洞
- 碧海威 L7多款产品 后台命令执行漏洞
- 产品手记专注0基础转行产品经理平台
- 别人对你好是因为你有利用的价值,而我就不同了
- mysql出现LF怎么办,MySQL的LF_HASH
- “基于485总线的评分系统”
- 【Java并发】Java并发编程-01
- 【测试算法】深入浅出Pairwise 算法
- Mac开发-公证流程记录Notarization-附带脚本
- Kafka(生产者)
- TI-RTOS学习笔记(三)—— 驱动程序框架
- 蚂蚁金服服务注册中心数据一致性方案分析 | SOFARegistry 解析
- STM32学习笔记一一ADC
- 超级无敌各种排序算法 一个代码解决<可以做后序模板>
- Matlab缩进与空格
热门文章
- centos mysql5.7主从同步配置_centos7搭建mysql5.7主从同步
- linux函数怎么判断文件已更改,Linux下使用md5sum查看文件及程序是否被修改
- shell 获取ora报错信息_频发:故障排除之又见 ORA-4031丨云和恩墨技术通讯
- matlab根轨迹法串联超前校正,4.7基于根轨迹法的串联超前校正.ppt
- vim C plugins
- 从零学习 vim 一个多月, 感觉最有用的三个教程
- 图解Skip List——本质是空间换时间的数据结构,在lucene的倒排列表,bigtable,hbase,cassandra的memtable,redis中sorted set中均用到...
- python爬取电影网站信息并写入文件
- Python高级编程(二)
- 电源适配器和充电器的区别和关系