python中如何让图形出现在指定位置_Python - Seaborn可视化:图形个性化设置的几个小技巧...

1 概述

在可视化过程中,经常会对默认的制图效果不满意,希望能个性化进行各种设置。

本文通过一个简单的示例,来介绍seaborn可视化过程中的个性化设置。包括常用的设置,如:

设置图表显示颜色

设置图表标题,包括显示位置,字体大小,颜色等

设置x轴和y轴标题,包括颜色,字体大小

设置x轴和y轴刻度内容,包括颜色、字体大小、字体方向等

将x轴和y轴内容逆序显示

设置x轴或y轴显示位置

本文的运行环境:

windows 7

python 3.5

jupyter notebook

seaborn 0.7.1

matplotlib 2.0.2

2 未个性化设置的情形

本文的数据来自UCI的数据集”sonar”,用pandas直接读取数据。如下:

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

% matplotlib inline

target_url = 'http://archive.ics.uci.edu/ml/machine-learning-databases/undocumented/connectionist-bench/sonar/sonar.all-data'

df = pd.read_csv(target_url, header=None, prefix='V')

corr = df.corr()

首先来看看没有进行个性化设置时的显示情况,如下:

f, ax=

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python在处理大规模数据时,通常会比较慢。因此,为了提高性能,许多人会使用GPU进行加速计算。在Python,可以使用许多库来实现GPU加速计算,例如Numba、PyCUDA和PyOpenCL等。 Numba是一个用于将Python代码编译成机器代码的库,它可以显著提高代码的运行速度。Numba支持使用CUDA和ROCm框架进行GPU加速计算。 下面是一个使用Numba进行GPU加速计算的例子: ```python import numpy as np from numba import jit, cuda # 声明函数为CUDA函数 @cuda.jit def add(a, b, c): # 获取线程索引 idx = cuda.threadIdx.x # 获取块索引 idy = cuda.blockIdx.x # 获取块大小 block_size = cuda.blockDim.x # 计算全局索引 index = idx + idy * block_size # 执行加法操作 c[index] = a[index] + b[index] # 定义数组的大小 N = 1024**2 # 定义输入数组 a = np.ones(N) b = np.ones(N) # 定义输出数组 c = np.zeros(N) # 定义块大小和线程大小 threads_per_block = 1024 blocks_per_grid = (N + (threads_per_block - 1)) // threads_per_block # 进行加法操作 add[blocks_per_grid, threads_per_block](a, b, c) # 输出结果 print(c) ``` 这个例子使用Numba将一个加法函数编译成CUDA函数,并在GPU上进行运算。可以看到,使用GPU加速计算的结果比使用CPU的结果要快得多。 在实际应用,使用GPU加速计算的速度提升取决于数据的大小和计算的复杂度。对于一些简单的计算,使用GPU加速可能没有太大的优势。但是,对于一些大规模的、复杂的计算,使用GPU加速可以显著提高运算速度。 对于可视化方面,Python有很多可视化库可以使用,例如Matplotlib、Seaborn和Plotly等。这些库通常不会直接使用GPU加速,但是可以使用一些技巧来提高可视化的速度。例如,可以使用多线程或多进程来加速计算,或者使用分布式计算来加速处理大规模数据。

“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
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