python——PLT库画图

引入

最近在pycharm中训练模型的时候想画出损失函数曲线，但是发现不太会画，所以想学一下画，粗略学习了一下子，毕竟重点不在画图，而在训练模型。这里绘图是利用了plot折线图，scatter是散点图

主要步骤

实际上就是四大步：创建画布——>准备坐标点的信息——>设置曲线格式——>显示曲线

最基础图绘制

绘制最基础图，感受大概流程，注意绘图有两种方法，一种是直接绘制；一种是取出坐标轴绘制，也即面向这个坐标轴对象绘制，以后我们都用面向坐标轴对象绘制

import matplotlib.pyplot as plt
from matplotlib_inline import backend_inline
# 设置图为向量图显示，这样看上去更高清
backend_inline.set_matplotlib_formats('svg')

# 创建新图窗
    Fig1 = plt.figure()
    # x，y的数值
    # 注意x与y的数据值要一样
    x = [1,2,3,4,5]
    y = [1,8,27,64,125]
    # 画图，画出折线图
    plt.plot(x,y)
    # 保存图,以svg格式保存,当然.png与.jpg也是可以的
    Fig1.savefig("my_img.svg")
    # 显示图
    plt.show()
    '''
    # 另外一种画图方法，是一种面向对象的方法
    # .axes是坐标轴，相当于把值给坐标轴然后画出来
    Fig2 = plt.figure()
    ax2 = plt.axes()
    ax2.plot(x,y)

    '''

绘制多线条（一个图上画多个线）

 Fig1 = plt.figure()
    ax1 = plt.axes()
    x = [1, 2, 3, 4, 5]
    y1 = [1, 8, 27, 64, 125]
    y2 = [1, 2, 7, 6, 125]
    y3 = [1, 3, 5, 64, 25]

    ax1.plot(x, y1)
    ax1.plot(x, y2)
    ax1.plot(x, y3)
    plt.show()

设置坐标轴上下限、标题

x = [1, 2, 3, 4, 5]
y = [1, 8, 27, 64, 125]
Fig2,ax2 = plt.subplots()
ax2.plot(x,y)
ax2.set(xlim = (1,5),ylim=(1,125),title="loss_line",xlabel="epoch",ylabel="loss")
    

图例

也就是标出每条曲线代表什么

	Fig2,ax2 = plt.subplots()
    x = [1, 2, 3, 4, 5]
    y1 = [1, 8, 27, 64, 125]
    y2 = [1, 2, 7, 6, 125]
    y3 = [1, 3, 5, 64, 25]
    ax2.plot(x,y1,label = 'y1')
    ax2.plot(x,y2,label = 'y2')
    ax2.plot(x,y3,label = 'y3')
    ax2.legend()
    plt.show()

添加网格

只需要一下这个函数，当然其也有参数颜色粗细等，这个可以具体查阅其函数参数说明

ax2.grid()

动图

利用动图完全可以画出实时更新的损失函数曲线

from numpy import *
import matplotlib.pyplot as plt
from matplotlib import animation
 
fig,ax=plt.subplots()   #相当于fig=plt.figure(),ax=plt.subplot();ax=plt.subplot也可以是ax=fig.add_subplot()
x=arange(0,2*pi,0.01)
line,=ax.plot(x,sin(x))
 
def update(i):
    line.set_ydata(sin(x+i/10))
    return line,
def init():
    line.set_ydata(sin(x))
    return line,
 
ani=animation.FuncAnimation(fig=fig,func=update,frames=100,init_func=init,interval=20,blit=False)
plt.show()

注：
一、FuncAnimation函数：ani=animation.FuncAnimation(fig=fig,func=update,frames=100,init_func=init,interval=20,blit=False)：
1.fig：绘制动画的画布

2.func：动画函数

3.frams：动画长度，一次循环包含的帧数，在函数运行时，其值会传给动画函数update(i)的形参i

4.init_func：动画的起始状态

5.interval：更新频率，interval=20表示每隔20ms从头来一次

6.blit：是否更新整张图，False表示更新整张图，True表示只更新有变化的点。mac用户请使blit=False。
二、ax.plot(x,sin(x))函数返回的line是二维曲线信息，可利用方法点出其坐标信息并修改

完整测试代码

import matplotlib.pyplot as plt
from matplotlib_inline import backend_inline
# 设置图为向量图显示，这样看上去更高清
backend_inline.set_matplotlib_formats('svg')
def fundement():
    # 创建新图窗
    Fig1 = plt.figure()
    # x，y的数值
    # 注意x与y的数据值要一样
    x = [1,2,3,4,5]
    y = [1,8,27,64,125]
    # 画图，画出折线图
    plt.plot(x,y)
    # 保存图,以svg格式保存,当然.png与.jpg也是可以的
    Fig1.savefig("my_img.svg")
    # 显示图
    plt.show()
    '''
    # 另外一种画图方法，是一种面向对象的方法
    # .axes是坐标轴，相当于把值给坐标轴然后画出来
    Fig2 = plt.figure()
    ax2 = plt.axes()
    ax2.plot(x,y)

    '''
# 绘制多线条（一个图上画多个线）
def draw_numbers():

    Fig1 = plt.figure()
    ax1 = plt.axes()
    x = [1, 2, 3, 4, 5]
    y1 = [1, 8, 27, 64, 125]
    y2 = [1, 2, 7, 6, 125]
    y3 = [1, 3, 5, 64, 25]

    ax1.plot(x, y1)
    ax1.plot(x, y2)
    ax1.plot(x, y3)
    plt.show()
# 绘制多个子图
def draw_subplot():

    Fig1 = plt.figure()
    x = [1, 2, 3, 4, 5]
    y1 = [1, 8, 27, 64, 125]
    y2 = [1, 2, 7, 6, 125]
    y3 = [1, 3, 5, 64, 25]
    # subplot里面的参数意思是(行，列，第几个),也就是所有子图三行一列排布，此子图是第一个子图
    plt.subplot(3,1,1)
    plt.plot(x,y1)
    plt.subplot(3,1,2)
    plt.plot(x, y2)
    plt.subplot(3,1,3)
    plt.plot(x, y3)
    plt.show()

    '''
    # 面向对象方式
    Fig2,ax2 = plt.subplots(3)
    ax2[0].plot(x,y1)
    ax2[1].plot(x,y2)
    ax2[2].plot(x,y3)
    '''

# 设置坐标轴上下限、标题
def set_lim():
    x = [1, 2, 3, 4, 5]
    y = [1, 8, 27, 64, 125]
    '''
    Fig1 = plt.figure()
    x = [1, 2, 3, 4, 5]
    y = [1, 8, 27, 64, 125]
    plt.plot(x,y)
    plt.title("loss_line")
    plt.xlabel("epoch")
    plt.ylabel("loss")
    plt.xlim(1,5)
    plt.ylim(1,125)
    '''
    # 以上代码太多，不会用，而面向对象统一了以上设定，结合成了一个
    Fig2,ax2 = plt.subplots()
    ax2.plot(x,y)
    ax2.set(xlim = (1,5),ylim=(1,125),title="loss_line",xlabel="epoch",ylabel="loss")

# 图例,也就是标出每条曲线代表什么
def img_legend():
    Fig2,ax2 = plt.subplots()
    x = [1, 2, 3, 4, 5]
    y1 = [1, 8, 27, 64, 125]
    y2 = [1, 2, 7, 6, 125]
    y3 = [1, 3, 5, 64, 25]
    ax2.plot(x,y1,label = 'y1')
    ax2.plot(x,y2,label = 'y2')
    ax2.plot(x,y3,label = 'y3')
    ax2.legend()
    plt.show()
# draw_subplot()
# img_legend()
draw_numbers()