1.图片保存
- 保存到指定位置
plt.savefig('F:/pycharm/聚类/图片/df1.png')
plt.savefig(fname="pic.png",figsize=[10,10])
fname:保存的图片文件的名称,必选。
figsize:保存图像的大小,单位为英寸,必选。
2.画折线图
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
# 读取数据
data = pd.read_excel('附件3-测风数据.xlsx',usecols='B:N',header = None)
data=data.iloc[:20,:]
a1=data.iloc[:,0]
plt.figure(figsize=(10, 5)) # 设置画布的尺寸
x=range(a1.shape[0])
plt.title('Examples of line chart', fontsize=20) # 标题,并设定字号大小
plt.xlabel(u'x-year', fontsize=14) # 设置x轴,并设定字号大小
plt.ylabel(u'y-income', fontsize=14) # 设置y轴,并设定字号大小
# color:颜色,linewidth:线宽,linestyle:线条类型,label:图例,marker:数据点的类型
plt.plot(x, data.iloc[:,0], color="deeppink", linewidth=2, linestyle=':', label='Jay income', marker='o')
plt.plot(data['时间'], data['收入_JJ'], color="darkblue", linewidth=1, linestyle='--', label='JJ income', marker='+')
plt.plot(data['时间'], data['收入_Jolin'], color="goldenrod", linewidth=1.5, linestyle='-', label='Jolon income',
marker='*')
plt.show() # 显示图像
3.图例legend
plt.figure(figsize=(5,2.5))
for a in range(dataset_in.shape[0]):
dataset_in.iloc[a].plot(color="red", alpha=0.01,legend=False)#legend=None不画图例
means.plot(color='blue',label='改后类中心',legend=True)
means_in.plot(color='black',label='原始类中心',legend=True)
plt.xlabel('时间点',fontsize=12)
plt.ylabel('归一化功率',fontsize=12)
plt.tight_layout()
#(1)在 matplotlib 中,轴域(包括子图)的位置以标准化图形坐标指定。 可能发生的是,你的轴标签或标题(有时甚至是刻度标签)会超出图形区域,因此被截断。
#(2)当你拥有多个子图时,你会经常看到不同轴域的标签叠在一起。
plt.show()
不能控制legend位置
x=range(96)
plt.figure(figsize=(5,2.5))
for a in range(dataset_in.shape[0]):
dataset_in.iloc[a].plot(color="red", alpha=0.01,legend=False)#legend=None不画图例
line1,=plt.plot(x,means,color='blue')
line2,=plt.plot(x,means_in,color='black')
plt.legend((line1,line2),['改后类中心','原始类中心'],loc=4)
设置图例在右下角,并且不显示dataset_in的图例
4、subplot
dataset.loc[:, 'labels'] = labels
for i in range(numclass):
df1 = dataset[dataset['labels'] == i]
df1 = df1.drop(columns='labels') # 删除列
plt.subplot(3, 2, i+1 )
for a in range(df1.shape[0]):
df1.iloc[a].plot(color="red",alpha=0.01)
center.iloc[i].plot(color="black")
# df1.iloc[a].plot(label=str(a))# df2.iloc[1],df2的2行
plt.title('class[{}]'.format(i), fontsize=10) # 标题,并设定字号大小
# plt.savefig('F:/pycharm/聚类/图片/t{}.png'.format(i))
# plt.clf()清空画布
# plt.subplot(2,3,i+1)
plt.show()
5、显示不完全
plt.tight_layout()