一些简单的绘图方法——matplotlib

使用matplotlib绘图的简单方法

1、如何从.csv中读取数据呢

举例，从某表格读取数据。例如：
train-tag-Loss_Batch_coarse1.csv
train-tag-Loss_Batch_coarse2.csv
代码如下：

import csv
csvFile_1 = open("train-tag-Loss_Batch_coarse1.csv", "r")
csvFile_2 = open("train-tag-Loss_Batch_coarse2.csv", "r")
reader_1 = csv.reader(csvFile_1)
reader_2 = csv.reader(csvFile_2)
# build a dict
x_1 = []
y_1 = []
x_2 = []
y_2 = []

for item in reader_1:
    # ignore the first line
    if reader_1.line_num == 1:
        continue
    x_1.append(float(item[1]))
    y_1.append(float(item[2]))
for item in reader_2:
    # ignore the first line
    if reader_2.line_num == 1:
        continue
    x_2.append(float(item[1]))
    y_2.append(float(item[2]))
    
csvFile_1.close()
csvFile_2.close()

2、对数据进行处理，为了使其更加平滑

这里是将数据进行一些数量级的变化，同时为了更好的做出曲线，将x的范围规定为某一范围的均匀间隔点。同时使用 nearest 规则进行曲线回归，生成较为平滑的曲线。

x_1 = np.array(x_1)
y_1 = np.array(y_1) * 0.1
x_2 = np.array(x_2)
y_2 = np.array(y_2) * 0.1

xnew = np.linspace(x_1.min(), x_1.max(), 1000, endpoint=False)  
# 1000 represents number of points to make between T.min and T.max

f_1 = interp1d(x_1, y_1, kind="nearest")
f_2 = interp1d(x_2, y_2, kind="nearest")

3、数据准备完毕之后，规定绘图的一些规则

这个使用的 plt 的 style 是 fivethirtyeight ，可以根据官网的介绍选择自己喜欢的。scaling 是自己为了调整图的大小设定的。之后分别设定 legend, axes, xtick, ytick 的大小，规定绘图的 figsize 。其余的参数可以根据自己的喜好进行设定

plt.style.use("fivethirtyeight")
scaling = 3
params = {
    "font.size": 14 * scaling,
    "legend.fontsize": 14 * scaling,
    "axes.labelsize": 14 * scaling,
    "xtick.labelsize": 14 * scaling,
    "ytick.labelsize": 14 * scaling,
    "text.usetex": True,
    "figure.figsize": [20, 20 / 1.618],
    "font.family": "serif",
    "font.sans-serif": "Times",
    "axes.facecolor": "white",
}
rcParams.update(params)

4、终于，一切准备妥当，可以进行绘图

规定一些参数，后面会使用

LINEWIDTH = 3.0 * scaling
MARKERSIZE = 10 * scaling
WIDTH = 3.36 * 5
HEIGHT = 3.36 / 1.618 * 5

之后，设定图像的背景颜色，使用 subplot 进行绘图范围的划定，这个使用逻辑和 matlab 保持一致。之后使用 subplots_adjust 函数进行图像的留边。

fig = plt.figure()
fig.patch.set_facecolor("white")
plt.subplot(1, 1, 1)
fig.subplots_adjust(left=0.10, bottom=0.2, right=0.95, top=0.95)

开始绘制图像
alpha 是用于设定曲线的透明度。

plt.plot(xnew, f_1(xnew), label="1", linewidth=LINEWIDTH, markersize=MARKERSIZE, alpha=0.7)
plt.plot(xnew, f_2(xnew), label="2", linewidth=LINEWIDTH, markersize=MARKERSIZE, alpha=0.7)
plt.legend(loc="upper right", frameon=False)

绘制图像的坐标

plt.xticks((2048, 4096, 8192, 16384), [r"$2048$", r"$4096$", r"$8192$", r"$16384$"])
plt.yticks()
plt.xlabel("x")
plt.ylabel(r"y")

限定图像的坐标范围

plt.ylim(1, 7)  # 限定纵轴的范围

最后调整图像的大小范围，展示结果

fig.set_size_inches(WIDTH, HEIGHT)
plt.show()

5、绘制图像完毕，开始存储图像

可以保存为pdf格式文件

foo_fig.savefig("coarse.pdf", format="pdf", dpi=600, transparent=True)
foo_fig = plt.gcf()

6、结果展示

7、完整代码

import csv
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
import pandas as pd
import matplotlib as mlp
from matplotlib import rcParams

# read from csv
csvFile_1 = open("1_train-tag-Loss_Batch_coarse.csv", "r")
csvFile_2 = open("2_train-tag-Loss_Batch_coarse.csv", "r")

reader_1 = csv.reader(csvFile_1)
reader_2 = csv.reader(csvFile_2)

# build a dict
x_1 = []
y_1 = []
x_2 = []
y_2 = []

for item in reader_1:
    # ignore the first line
    if reader_1.line_num == 1:
        continue
    x_1.append(float(item[1]))
    y_1.append(float(item[2]))


for item in reader_2:
    # ignore the first line
    if reader_2.line_num == 1:
        continue
    x_2.append(float(item[1]))
    y_2.append(float(item[2]))


csvFile_1.close()
csvFile_2.close()

x_1 = np.array(x_1)
y_1 = np.array(y_1) * 0.1
x_2 = np.array(x_2)
y_2 = np.array(y_2) * 0.1

xnew = np.linspace(x_1.min(), x_1.max(), 30, endpoint=False)  # 1000 represents number of points to make between T.min and T.max

f_1 = interp1d(x_1, y_1, kind="nearest")
f_2 = interp1d(x_2, y_2, kind="nearest")


plt.style.use("fivethirtyeight")
scaling = 3
params = {
    "font.size": 14 * scaling,
    "legend.fontsize": 14 * scaling,
    "axes.labelsize": 14 * scaling,
    "xtick.labelsize": 14 * scaling,
    "ytick.labelsize": 14 * scaling,
    "text.usetex": True,
    "figure.figsize": [20, 20 / 1.618],
    "font.family": "serif",
    "font.sans-serif": "Times",
    "axes.facecolor": "white",
}
rcParams.update(params)
LINEWIDTH = 3.0 * scaling
MARKERSIZE = 10 * scaling
WIDTH = 3.36 * 5
HEIGHT = 3.36 / 1.618 * 5
fig = plt.figure()
fig.patch.set_facecolor("white")
plt.subplot(1, 1, 1)
fig.subplots_adjust(left=0.10, bottom=0.2, right=0.95, top=0.95)

plt.plot(xnew, f_1(xnew), label="example1", linewidth=LINEWIDTH, markersize=MARKERSIZE, alpha=0.7)
plt.plot(xnew, f_2(xnew), label="example2", linewidth=LINEWIDTH, markersize=MARKERSIZE, alpha=0.7)
# plt.xticks((2048, 4096, 8192, 16384), [r"$2048$", r"$4096$", r"$8192$", r"$16384$"])
plt.xticks()
plt.yticks()
plt.ylim(1, 7)  # 限定纵轴的范围
plt.xlabel("x")
plt.ylabel(r"y")
plt.legend(loc="upper right", frameon=False)

fig.set_size_inches(WIDTH, HEIGHT)
foo_fig = plt.gcf()
plt.show()
foo_fig.savefig("coarse.pdf", format="pdf", dpi=600, transparent=True)