使用matplotlib库实现图形局部数据放大显示的实践

更新时间：2022年02月18日 08:51:50 作者：枭志

本文主要介绍了使用matplotlib库实现图形局部数据放大显示的实践，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

一、绘制总体图形

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()

在这里插入图片描述

二、插入局部子坐标系

#插入子坐标系
axins = inset_axes(ax, width="40%", height="20%", loc=3,
                   bbox_to_anchor=(0.3, 0.1, 2, 2),
                   bbox_transform=ax.transAxes)
#在子坐标系中放入数据
axins.plot(data1)
axins.plot(data2)

在这里插入图片描述

三、限制局部子坐标系数据范围

#设置放大区间
zone_left = 150
zone_right = 170
# 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((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

# 调整子坐标系的显示范围
axins.set_xlim(xlim0, xlim1)
axins.set_ylim(ylim0, ylim1)

(-198439.93763, -134649.56637000002)

在这里插入图片描述

四、加上方框和连接线

# 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,"blue")

# 画两条线
#第一条线
xy = (xlim0,ylim0)
xy2 = (xlim0,ylim1)
"""
xy为主图上坐标，xy2为子坐标系上坐标，axins为子坐标系，ax为主坐标系。
"""
con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data",
        axesA=axins,axesB=ax)

axins.add_artist(con)
#第二条线
xy = (xlim1,ylim0)
xy2 = (xlim1,ylim1)
con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data",
        axesA=axins,axesB=ax)
axins.add_artist(con)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-h4Xk5cvf-1645007598039)(output_8_0.png)]

五、总体实现代码

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()

#插入子坐标系
axins = inset_axes(ax, width="20%", height="20%", loc=3,
                   bbox_to_anchor=(0.3, 0.1, 2, 2),
                   bbox_transform=ax.transAxes)
#在子坐标系中放入数据
axins.plot(data1)
axins.plot(data2)

#设置放大区间
zone_left = 150
zone_right = 170
# 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((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

# 调整子坐标系的显示范围
axins.set_xlim(xlim0, xlim1)
axins.set_ylim(ylim0, ylim1)


# 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,"blue")

# 画两条线
# 第一条线
xy = (xlim0,ylim0)
xy2 = (xlim0,ylim1)
"""
xy为主图上坐标，xy2为子坐标系上坐标，axins为子坐标系，ax为主坐标系。
"""
con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data",
        axesA=axins,axesB=ax)

axins.add_artist(con)
# 第二条线
xy = (xlim1,ylim0)
xy2 = (xlim1,ylim1)
con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data",
        axesA=axins,axesB=ax)
axins.add_artist(con)

在这里插入图片描述

到此这篇关于使用matplotlib库实现图形局部数据放大显示的实践的文章就介绍到这了,更多相关matplotlib 图形局部数据放大显示内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

关于文件Permission denied解决方案(pip)
这篇文章主要介绍了文件Permission denied解决方案(pip),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2023-08-08
python处理大数字的方法
这篇文章主要介绍了python处理大数字的方法,涉及Python递归操作的相关技巧,需要的朋友可以参考下
2015-05-05
Python多线程编程（七）：使用Condition实现复杂同步
这篇文章主要介绍了Python多线程编程（七）：使用Condition实现复杂同步,本文讲解通过很著名的“生产者-消费者”模型来来演示在Python中使用Condition实现复杂同步,需要的朋友可以参考下
2015-04-04
Python迭代器与生成器用法实例分析
这篇文章主要介绍了Python迭代器与生成器用法,结合实例形式分析了Python迭代器与生成器的概念、功能、使用方法及相关注意事项,需要的朋友可以参考下
2018-07-07
Pycharm连接远程服务器并实现远程调试的实现
这篇文章主要介绍了Pycharm连接远程服务器并实现远程调试的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-08-08
PyTorch之torch.matmul函数的使用及说明
PyTorch的torch.matmul是一个强大的矩阵乘法函数，支持不同维度张量的乘法运算，包括广播机制。提供了矩阵乘法的语法，参数说明，以及使用示例，帮助理解其应用方式和乘法规则
2024-09-09
用 python 进行微信好友信息分析
这篇文章主要介绍了用 python 进行微信好友信息分析的示例，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下
2020-11-11
解决使用python print打印函数返回值多一个None的问题
这篇文章主要介绍了解决使用python print打印函数返回值多一个None的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-04-04
Python简易计算器制作方法代码详解
这篇文章主要介绍了Python简易计算器制作方法，文中代码主要用到了python中的tkinter库，代码简单易懂，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下
2019-10-10
python如何定义一个迭代器去生成偶数数列
这篇文章主要介绍了python如何定义一个迭代器去生成偶数数列问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2024-02-02