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:

python读取目录下最新的文件夹方法
今天小编就为大家分享一篇python读取目录下最新的文件夹方法，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
2018-12-12
PyQt实现界面翻转切换效果
这篇文章主要为大家详细介绍了PyQt实现界面翻转切换效果，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-04-04
安装Python后IDA中找不到Python模块的问题解决
有天在一台新PC上安装完IDA和Python之后，启动IDA报找不到Python模块的问题，本文就详细的介绍一下解决方法，感兴趣的可以了解一下
2021-10-10
Python利用ROI进行图像合成的问题小结
图像的 ROI (region of interest) 是指图像中感兴趣区域、在 OpenCV 中图像设置图像 ROI 区域，实现只对 ROI 区域操作，本文给大家介绍Python利用ROI进行图像合成的问题小结，感兴趣的朋友一起看看吧
2021-07-07
使用Python中的pytesseract模块实现抓取图片中文字
最近同事用网上提供扫描软件进行扫描识别文字，每天上线只能够做两次扫描，请求我研发一个小工具帮助解决识别图片的中文字，最终我选择使用pytesseract模块可以解决这个需求问题，本文给大家分享实现代码操作感兴趣的朋友跟随小编一起看看吧
2022-11-11
python实现贪吃蛇游戏源码
这篇文章主要为大家详细介绍了python实现贪吃蛇游戏，文中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
2020-03-03
python调用百度语音识别api
这篇文章主要介绍了python调用百度语音识别api，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-08-08
Python with语句上下文管理器两种实现方法分析
这篇文章主要介绍了Python with语句上下文管理器两种实现方法,结合实例形式较为详细的分析了Python上下文管理器的相关概念、功能、使用方法及相关操作注意事项,需要的朋友可以参考下
2018-02-02
Python+Redis实现布隆过滤器
布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。这篇文章主要介绍了Python+Redis实现布隆过滤器,需要的朋友可以参考下
2019-12-12
Python 中如何写注释
这篇文章主要介绍了如何在 Python 中注释，帮助其他开发者理解你的代码，以及代码的目的。感兴趣的朋友可以了解下
2020-08-08