plt绘制图形时在title中加入参数

如果想在 title 中嵌入传递过来的参数,可以使用字符串的格式化方法,例如使用 Python 的 format() 方法或 f-string(Python 3.6+)。这样可以将参数的值动态地插入到标题字符串中。

以下是两种方式示例:

使用 format() 方法:

import matplotlib.pyplot as plt

def plot_with_parameter(title_param):
    x = [1, 2, 3, 4, 5]
    y = [10, 20, 15, 30, 25]
    
    plt.plot(x, y)
    plt.title("示例折线图 - {}".format(title_param))
    plt.xlabel("X轴")
    plt.ylabel("Y轴")
    plt.show()

# 调用函数,并传递参数作为标题的一部分
parameter = "参数值"
plot_with_parameter(parameter)
使用 f-string(Python 3.6+):
import matplotlib.pyplot as plt

def plot_with_parameter(title_param):
    x = [1, 2, 3, 4, 5]
    y = [10, 20, 15, 30, 25]
    
    plt.plot(x, y)
    plt.title(f"示例折线图 - {title_param}")
    plt.xlabel("X轴")
    plt.ylabel("Y轴")
    plt.show()

调用函数,并传递参数作为标题的一部分

parameter = “参数值”
plot_with_parameter(parameter)
在上述示例中,定义了一个名为 plot_with_parameter() 的函数,其中 title_param 是一个参数,它将作为标题中的一部分。在 title 中使用了花括号 {} 来占位,并在 format() 方法或 f-string 中传递实际的参数值。当调用函数时,将参数传递给 plot_with_parameter() 函数,它会将参数值插入到标题中,从而动态地生成带有参数的标题。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,下面是一个更新后的 Python 代码,增加了画图的功能: ```python import numpy as np from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score import matplotlib.pyplot as plt # 创建一个随机数据集 np.random.seed(0) x = np.random.rand(100, 1) y = 2 * x + np.random.rand(100, 1) # 创建线性回归模型 model = LinearRegression() # 训练模型 model.fit(x, y) # 预测新数据 x_new = np.array([[0.5], [0.6], [0.7]]) y_new = model.predict(x_new) # 计算模型的误差和评估指标 y_pred = model.predict(x) mse = mean_squared_error(y, y_pred) r2 = r2_score(y, y_pred) # 输出模型的参数和评估指标 print('斜率:', model.coef_) print('截距:', model.intercept_) print('均方误差:', mse) print('R平方:', r2) # 绘制训练数据和模型预测结果的散点图 plt.scatter(x, y) plt.plot(x, y_pred, color='red') plt.scatter(x_new, y_new, color='green') plt.xlabel('x') plt.ylabel('y') plt.title('Linear Regression') plt.show() ``` 这个代码主要增加了使用 `matplotlib` 库来绘制训练数据和模型预测结果的散点图。具体来说,代码使用 `scatter` 函数绘制训练数据的散点图,使用 `plot` 函数绘制模型的预测结果的曲线,使用 `scatter` 函数绘制新数据的散点图。在绘图之前,代码还设置了 x 轴和 y 轴的标签、标题等参数,以便更好地展示图形。 需要注意的是,这个代码绘制了训练数据、模型预测结果和新数据的散点图,实际应用还需要根据具体情况进行调整和优化,比如可以添加网格线、图例等元素,以便更好地展示数据和模型的关系。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值