导入工具包

import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.patches import ConnectionPatch
from mpl_toolkits.axes_grid1.inset_locator import inset_axes

配置matplotlib字体

config = {"font.family": "SimSun","font.size": 14,"mathtext.fontset": "stix"}
mpl.rcParams.update(config)

导入数据

x_data = [2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24]
y_data_1 = [8.179,7.345,7.029,6.751,6.611,6.507,6.319,6.196,6.086,6.006,5.923,5.81,5.76,5.705,5.644,5.583,5.523,5.436,5.485,5.378,5.343,5.309,5.257,]
y_data_2 = [7.191,6.637,6.292,6.112,6.094,5.74,5.709,5.667,5.583,5.506,5.41,5.307,5.239,5.303,5.282,5.11,5.075,5.083,4.971,4.976,4.993,4.963,5.138]

创建画布

fig, ax = plt.subplots(1, 1)

绘图

ax.plot(x_data, y_data_1, linestyle=":",color="r", linewidth=1.5,marker="o",markersize=5,markeredgecolor="black",markerfacecolor="C3")ax.plot(x_data, y_data_2, linestyle=":",color="g", linewidth=1.5,marker="o",markersize=5,markeredgecolor="black",markerfacecolor="C2")
ax.legend(labels=["训练集", "测试集"], ncol=2, loc="lower left")
plt.xlabel("训练轮次", fontsize=14, fontdict={"family": "SimSun", "size": 14})
plt.ylabel("损失", fontsize=14, fontdict={"family": "SimSun", "size": 14})

在大图上绘制要放大的区域

sx = [20, 24, 24, 20, 20]
sy = [4.9, 4.9, 5.5, 5.5, 4.9]
plt.plot(sx, sy, lw=2, c="black")

插入子坐标并绘图

axins = inset_axes(ax, width="40%", height="30%", loc='lower left',bbox_to_anchor=(0.4, 0.6, 1, 1),bbox_transform=ax.transAxes)
axins.plot(x_data, y_data_1, linestyle=":",color="r", linewidth=1.5,marker="o",markersize=5,markeredgecolor="black",markerfacecolor="C3")
axins.plot(x_data, y_data_2, linestyle=":",color="g", linewidth=1.5,marker="o",markersize=5,markeredgecolor="black",markerfacecolor="C2")
axins.set_xlim(20, 24)
axins.set_ylim(4.9, 5.5)

给极值处添加标签

axins.annotate("训练集上的最小损失5.257",ha="center",va="bottom",xytext=(20, 5.2),xy=(24, 5.257),arrowprops={'facecolor': 'red', 'shrink': 0.05}
)
axins.annotate("测试集上的最小损失4.963",ha="center",va="bottom",xytext=(20, 5.05),xy=(23, 4.963),arrowprops={'facecolor': 'red', 'shrink': 0.05}
)

绘制放大图与原图像之间的连线

xy = (20, 5.5)
xy2 = (20, 4.9)
con = ConnectionPatch(xyA=xy2, xyB=xy, coordsA="data", coordsB="data",axesA=axins, axesB=ax)
axins.add_artist(con)xy = (24, 5.5)
xy2 = (24, 4.9)
con = ConnectionPatch(xyA=xy2, xyB=xy, coordsA="data", coordsB="data",axesA=axins, axesB=ax)
axins.add_artist(con)

保存图像

plt.savefig("loss.PNG", dpi=300, bbox_inches="tight")
plt.show()

matplotlib绘制局部放大图相关推荐

matplotlib绘制图表，设置刻度标签、最大最小刻度、字体大小，label位置、刻度轴箭头等
matplotlib绘制图表,设置刻度标签.最大最小刻度.字体大小,label位置.刻度轴箭头等 1. 效果图 2. 源码 2.1 仅使用普通轴ax + fontdict 源码 2.2 使用mpl设置 ...
使用KMeanCluster对多个区域进行聚类，并结合Matplotlib绘制中心点、最大最小距离点
使用KMeanCluster对多个区域进行聚类,并结合Matplotlib绘制中心点.最大最小距离点 1. 效果图 2. 源码 2.1 原始数据--xq.txt 2.2 源码参考这篇博客将演示如何 ...
Matplotlib绘制象限图——支持中文、箭头、自定义轴线交点
Matplotlib绘制象限图--支持中文.箭头.自定义轴线交点 1. 效果图 2. 原理 2.1 绘制象限图步骤 2.1 添加文字到图表 3. 源码参考这篇博客将介绍如何使用matplotlib ...
python绘制三维轨迹_Python学习（一） —— matplotlib绘制三维轨迹图
在研究SLAM时常常需要对其输出的位姿进行复现以检测算法效果,在ubuntu系统中使用Python可以很好的完成相关的工作. 一. Ubuntu下Python的使用在Ubuntu下使用Python有 ...
python使用matplotlib绘制一条正弦曲线（plot函数可视化sine plot）
python使用matplotlib绘制一条正弦曲线(plot函数可视化sine plot) 目录 python使用matplotlib绘制一条正弦曲线(plot函数可视化sine plot) #导入 ...
Python使用matplotlib绘制透明背景的可视化图像并保存透明背景的可视化结果（transparent background）
Python使用matplotlib绘制透明背景的可视化图像并保存透明背景的可视化结果(transparent background) 目录
Python使用matplotlib绘制分组对比柱状图（bar plot）可视化时汉语（中文）标签显示成了框框□□、什么情况、我们有解决方案
Python使用matplotlib绘制分组对比柱状图可视化时(bar plot)汉语(中文)标签显示成了框框□□.什么情况.我们有解决方案目录
Python使用matplotlib绘制数据去重前后的柱状图对比图（在同一个图中显示去重操作之后同一数据集的变化情况）
Python使用matplotlib绘制数据去重前后的柱状图对比图(在同一个图中显示去重操作之后同一数据集的变化情况) #仿真数据 import pandas as pd import numpy a ...
Python使用matplotlib绘制柱状图（bar plot）实战：水平条形图、垂直条形图、分组条形图、堆叠条形图
Python使用matplotlib绘制柱状图(bar plot)实战:水平条形图.垂直条形图.分组条形图.堆叠条形图目录

matplotlib绘制局部放大图

配置matplotlib字体

导入数据

创建画布

绘图

在大图上绘制要放大的区域

插入子坐标并绘图

给极值处添加标签

绘制放大图与原图像之间的连线

保存图像

matplotlib绘制局部放大图相关推荐

最新文章

热门文章