python中画折线图要用什么库_使用python matploblib库绘制准确率,损失率折线图

我就废话不多说了，大家还是直接看代码吧~

import matplotlib.pyplot as plt

epochs = [0,1,2,3]

acc = [4,8,6,5]

loss = [3,2,1,4]

plt.plot(epochs,acc,color='r',label='acc') # r表示红色

plt.plot(epochs,loss,color=(0,0,0),label='loss') #也可以用RGB值表示颜色

#####非必须内容#########

plt.xlabel('epochs') #x轴表示

plt.ylabel('y label') #y轴表示

plt.title("chart") #图标标题表示

plt.legend() #每条折线的label显示

#######################

plt.savefig('test.jpg') #保存图片，路径名为test.jpg

plt.show() #显示图片

补充知识：matplotlib画混淆矩阵和正确率曲线

混淆矩阵

找不到参看的那篇博客啦~~希望原博主不要讨伐我

#!/usr/bin/python3.5

# -*- coding: utf-8 -*-

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['FangSong'] #可显示中文字符

plt.rcParams['axes.unicode_minus']=False

classes = ['a','b','c','d','e','f','g']

confusion_matrix = np.array([(99,1,2,2,0,0,6),(1,98,7,6,2,1,1),(0,0,86,0,0,2,0),(0,0,0,86,1,0,0),(0,0,0,1,94,1,0),(0,1,5,1,0,96,8),(0,0,0,4,3,0,85)],dtype=np.float64)

plt.imshow(confusion_matrix, interpolation='nearest', cmap=plt.cm.Oranges) #按照像素显示出矩阵

plt.title('混淆矩阵')

plt.colorbar()

tick_marks = np.arange(len(classes))

plt.xticks(tick_marks, classes, rotation=-45)

plt.yticks(tick_marks, classes)

thresh = confusion_matrix.max() / 2.

#iters = [[i,j] for i in range(len(classes)) for j in range((classes))]

#ij配对，遍历矩阵迭代器

iters = np.reshape([[[i,j] for j in range(7)] for i in range(7)],(confusion_matrix.size,2))

for i, j in iters:

plt.text(j, i, format(confusion_matrix[i, j]),fontsize=7) #显示对应的数字

plt.ylabel('真实类别')

plt.xlabel('预测类别')

plt.tight_layout()

plt.show()

正确率曲线

fig ,ax= plt.subplots()

plt.plot(np.arange(iterations), fig_acc，'b')

plt.plot(np.arange(iterations), fig_realacc, 'r')

ax.set_xlabel('迭代次数')

ax.set_ylabel('正确率（%）')

labels = ["训练正确率", "测试正确率"]

# labels = [l.get_label() for l in lns]

plt.legend( labels, loc=7)

plt.show()

以上这篇使用python matploblib库绘制准确率,损失率折线图就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持python博客。