下面是我自己弄出来的一个模板，我感觉有个模板改改代码勉强就能用，特别方便。虽然这个模板也不是很专业，但是反正我是没找到有人会发个模板出来。
例子1：一张图多条线（画一张图单条线其实是画多条线的特殊情况，改一改也能画单条线的图，区别主要在于单条线的话传入的y轴数据是个一维的列表，然后颜色数组、标记数组、标签数组里面的元素变成一个就行了。多条线的话就得传入一个二维的，然后对每一维的数据进行绘图。）
下面是一个py文件，主函数的py文件import这个文件然后调用里面的绘图函数就行。
# coding:utf-8
# author guanlinyi
# 2022/3/7 20:51
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
title_fontsize = 18 # 标题的大小
axis_text_fontsize = 18 # 坐标轴的字的大小
axis_fontsize = 15 # 坐标轴数值的大小
legend_fontsize = 13 # 图例的大小
def plot_server_utility3(N, num_t, gap, p_r_server_utiltiy):
iter = np.arange(0, num_t+0.01, gap) # x轴数据，必须得是一维的数据
plt.figure()
print("iter:{:}".format(iter))
color_array = ['red', 'green', 'blue'] # 颜色数组，可以去查有哪些颜色
marker_array = ['d', '*', 's'] # 标记数组，可以去查有哪些标记
# marker_array = ['*', 'v', '^']
lab_1 = "p_r=5e-8"
lab_2 = "p_r=5e-6"
lab_3 = "p_r=1e-5"
labs = [lab_1, lab_2, lab_3] # 标签数组。有多少条线这个数组就多少个元素
lns = []
# markerfacecolor='none' 加进plt.plot()里面可将点设置为空心
for i in range(3):
print("user_0_server_utiltiy[{:}]:{:}".format(i, p_r_server_utiltiy[i])) # 测试语句
lns_i, = plt.plot(iter, p_r_server_utiltiy[i],
color=color_array[i], linewidth=1.0, linestyle='-', marker=marker_array[i],
label=labs[i]) # 这里传入x轴的数据和y轴的数据的时候要注意两者是属于什么类型的（一般两个都是一维的列表就不会有什么问题），以及元素个数是否相等。
lns.append(lns_i)
# plt.legend(lns, labs, fontsize=legend_fontsize, loc='upper right') # 图例的大小和位置
plt.legend(lns, labs, fontsize=legend_fontsize, loc='best') # loc是设置图标的位置，一般设置为best，可以查一下还可以设置成什么，左上，右下，左下，右上
plt.xlabel('迭代次数', fontsize=axis_text_fontsize)
plt.ylabel('MEC服务器效用', fontsize=axis_text_fontsize)
# plt.ticklabel_format(style='sci', scilimits=(0, 0), axis='y')
plt.xticks(fontsize=axis_fontsize) # x坐标轴数值的大小
plt.grid()
# y_range = np.arange(0, 18, 2) # 自己设置y轴的取值范围
# plt.yticks(y_range, fontsize=axis_fontsize) # y坐标轴数值的大小
plt.yticks(fontsize=axis_fontsize) #设置y轴坐标轴数值大小
plt.tight_layout() # 紧密布局
plt.savefig("./picture3/random&server_utility_N{:},{:}代.png".format(N, num_t)) # 保存位置
return
例子2：画双y轴
# coding:utf-8
# author guanlinyi
# 2022/3/9 16:04
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
title_fontsize = 18 # 标题的大小
axis_text_fontsize = 18 # 坐标轴的字的大小
axis_fontsize = 15 # 坐标轴数值的大小
legend_fontsize = 13 # 图例的大小
def plot_q_p3(N, num_t, gap, iter_sum_q, iter_p_t_i):
fig = plt.figure()
ax = fig.add_subplot(111)
iter1 = np.arange(gap, num_t+0.1, gap)
print("iter1:{:}".format(iter1))
print("len(iter1):{:}".format(len(iter1)))
print("iter_sum_q:{:}".format(iter_sum_q))
print("len(iter_sum_q):{:}".format(len(iter_sum_q)))
lns1 = ax.plot(iter1, iter_sum_q, color='red', linewidth=2.0, linestyle='-', marker='d',
label='卸载请求用户的总计算资源需求量')
ax.set_xlabel("迭代次数", fontsize=axis_text_fontsize) # x坐标轴的字的大小
ax.set_ylabel("计算资源需求量", fontsize=axis_text_fontsize) # 左边y坐标轴的字的大小
# ax.set_yticks(np.arange(41, 56, 1)) # 左边y坐标轴的范围
plt.xticks(fontsize=axis_fontsize) # 左边x坐标轴数值的大小
plt.yticks(fontsize=axis_fontsize) # 左边y坐标轴数值的大小
ax2 = ax.twinx()
iter2 = np.arange(0, num_t+0.1, gap)
print("iter2:{:}".format(iter2))
print("len(iter2):{:}".format(len(iter2)))
print("iter_p_t_i:{:}".format(iter_p_t_i))
print("len(iter_p_t_i):{:}".format(len(iter_p_t_i)))
lns2 = ax2.plot(iter2, iter_p_t_i, color='blue', linewidth=1.0, linestyle='-', marker='*',
label="MEC服务器的定价")
ax2.set_ylabel("计算资源的单价", fontsize=axis_text_fontsize) # 右边y坐标轴的字的大小
# ax2.set_yticks(np.arange(0, 1.2e-3, 0.2e-3)) # 右边y坐标轴的范围
plt.yticks(fontsize=axis_fontsize) # 右边y坐标轴数值的大小
ax2.ticklabel_format(style='sci', scilimits=(0, 0), axis='y')
lns = lns1 + lns2
labs = [l.get_label() for l in lns] # 从lns获取label
ax.legend(lns, labs, fontsize=legend_fontsize, loc='lower right') # 图例的大小和位置
plt.tight_layout()
plt.savefig("./picture3/iter&q_p N{:},{:}代.png".format(N, num_t))
例子3：这个例子主要是说标签里面如果有希腊字母可以这样用
# coding:utf-8
# author guanlinyi
# 2022/3/7 20:51
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
title_fontsize = 18 # 标题的大小
axis_text_fontsize = 18 # 坐标轴的字的大小
axis_fontsize = 15 # 坐标轴数值的大小
legend_fontsize = 13 # 图例的大小
def plot_avg_qvalue3(N, num_t, gap, user_0_avg_qvalues, user_agent_sets):
iter = np.arange(0, num_t+0.01, gap)
plt.figure()
print("iter:{:}".format(iter))
color_array = ['red', 'green', 'blue']
marker_array = ['d', '*', 's']
# marker_array = ['*', 'v', '^']
lab_1 = r"$\epsilon$={:},$\gamma$={:},$\lambda$={:}"\
.format(user_agent_sets[0][0], user_agent_sets[0][1], user_agent_sets[0][2])
lab_2 = r"$\epsilon$={:},$\gamma$={:},$\lambda$={:}"\
.format(user_agent_sets[1][0], user_agent_sets[1][1], user_agent_sets[1][2])
lab_3 = r"$\epsilon$={:},$\gamma$={:},$\lambda$={:}"\
.format(user_agent_sets[2][0], user_agent_sets[2][1], user_agent_sets[2][2])
labs = [lab_1, lab_2, lab_3]
lns = []
# markerfacecolor='none' 设置为空心
for i in range(3):
print("user_0_avg_qvalues[{:}]:{:}".format(i, user_0_avg_qvalues[i]))
lns_i, = plt.plot(iter, user_0_avg_qvalues[i],
color=color_array[i], linewidth=1.0, linestyle='-', marker=marker_array[i],
label=labs[i])
lns.append(lns_i)
# plt.legend(lns, labs, fontsize=legend_fontsize, loc='upper right') # 图例的大小和位置
plt.legend(lns, labs, fontsize=legend_fontsize, loc='best')
plt.xlabel('迭代次数', fontsize=axis_text_fontsize)
plt.ylabel('qvalue的平均值', fontsize=axis_text_fontsize)
# plt.ticklabel_format(style='sci', scilimits=(0, 0), axis='y')
plt.xticks(fontsize=axis_fontsize) # x坐标轴数值的大小
plt.grid()
# y_range = np.arange(0, 18, 2)
# y_range = np.arange(0, 9, 1)
# y_range = np.arange(0, 20, 2)
# y_range = np.arange(-1, 6, 1)
# plt.yticks(y_range, fontsize=axis_fontsize) # y坐标轴数值的大小
plt.yticks(fontsize=axis_fontsize)
# title = "Q-learning算法的收敛性"
# plt.title(title, fontsize=title_fontsize)
plt.tight_layout()
plt.savefig("./picture3/iter&3avg_qvalue_N{:},{:}代.png".format(N, num_t))
return
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
