条形图、柱状图绘制实战

import matplotlib.pyplot as plt
import seaborn as sns

scores = [0.953,0.91,0.80,0.86,0.79,0.58,0.92]
models = ['RandomForest','KNN','DNN','DNN-KFold','DNN-LR','DNN-EarlyStopping','DNN-Feature']
plt.rcParams['figure.figsize']=10,6 
#plt.rcParams['axes.facecolor']='snow'
plt.style.use('fast')
ax = sns.barplot(x=models,y=scores,palette="deep")
plt.xlabel("Classifier Models",fontsize=13)
plt.ylabel("Accuracy",fontsize=13)
plt.title("Accuracy of different Classifier Models",fontsize=20,color='black')
plt.xticks(fontsize=10,horizontalalignment='center',rotation=0)
plt.yticks(fontsize=10)
for p in ax.patches:
    width,height = p.get_width(),p.get_height()
    x, y = p.get_xy() 
    ax.annotate(f'{height:.6%}',(x+width/2,y+height*1.02),ha='center',fontsize=10,color='black')
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt

plt.style.use('fast')
data = [323, 297, 310, 269]
labels = ['Lateral raises','Cross jumps','Jumping jack','Squats down']

plt.xlabel("Class",fontsize=13)
plt.ylabel("Number",fontsize=13)

plt.bar(labels, data)
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt

#折线图
x = [5,7,11,17,19,25]#点的横坐标
k1 = [0.8222,0.918,0.9344,0.9262,0.9371,0.9353]#线1的纵坐标
k2 = [0.8988,0.9334,0.9435,0.9407,0.9453,0.9453]#线2的纵坐标
plt.plot(x,k1,'s-',color = 'r',label="ATT-RLSTM")#s-:方形
plt.plot(x,k2,'o-',color = 'g',label="CNN-RLSTM")#o-:圆形
plt.xlabel("region length")#横坐标名字
plt.ylabel("accuracy")#纵坐标名字
plt.legend(loc = "best")#图例
plt.show()

在这里插入图片描述

#柱状图
import numpy as np
import matplotlib.pyplot as plt
ATT_LSTM = [0.8892,0.861,0.9243]
MATT_CNN = [0.8966,0.8556,0.9316]
ATT_RLSTM = [0.8867,0.8543,0.9344]
CNN_RLSTM = [0.9016,0.8636,0.9435]
#x = ['REST','LAPT','AUTO']
x = np.arange(3) #总共有几组,就设置成几,我们这里有三组,所以设置为3
total_width, n = 0.8, 4    # 有多少个类型,只需更改n即可,比如这里我们对比了四个,那么就把n设成4
width = total_width / n
x = x - (total_width - width) / 2
plt.bar(x, ATT_LSTM, color = "r",width=width,label='ATT-LSTM ')
plt.bar(x + width, MATT_CNN, color = "y",width=width,label='MATT-CNN')
plt.bar(x + 2 * width, ATT_RLSTM , color = "c",width=width,label='ATT-RLSTM')
plt.bar(x + 3 * width, CNN_RLSTM , color = "g",width=width,label='CNN-RLSTM')
plt.xlabel("dataset")
plt.ylabel("accuracy")
plt.legend(loc = "best")
plt.xticks([0,1,2],['REST','LAPT','AUTO'])
my_y_ticks = np.arange(0.8, 0.95, 0.02)
plt.ylim((0.8, 0.95))
plt.yticks(my_y_ticks)
plt.show()

在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

落难Coder

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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