快捷導(dǎo)航

使用matplotlib.pyplot繪制多個(gè)圖片和圖表實(shí)現(xiàn)方式

更新時(shí)間：2023年08月18日 09:10:09 作者：貓生魚

這篇文章主要介紹了使用matplotlib.pyplot繪制多個(gè)圖片和圖表的實(shí)現(xiàn)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

使用matplotlib.pyplot繪制多個(gè)圖片和圖表

import matplotlib.pyplot as plt
import numpy as np
''' 第一個(gè)，放圖片 '''
plt.figure(1)  # 創(chuàng)建第1個(gè)圖形
plt.sca(plt.subplot(3, 3, 1))  # 分成3行3列，并選擇第1個(gè)位置
img0 = plt.imread("Data/color/citrus_fruits_01.png")
plt.imshow(img0)
plt.sca(plt.subplot(3, 3, 2))  # 分成3行3列，并選擇第2個(gè)位置
img1 = plt.imread("Data/color/citrus_fruits_05.png")
plt.imshow(img1)
plt.sca(plt.subplot(3, 3, 3))  # 分成3行3列，并選擇第3個(gè)位置
img2 = plt.imread("Data/color/clamp_pile_04.png")
plt.imshow(img2)
plt.sca(plt.subplot(3, 3, 4))  # 分成3行3列，并選擇第4個(gè)位置
img3 = plt.imread("Data/color/pills_test_03.png")
plt.imshow(img3)
plt.sca(plt.subplot(3, 3, 5))  # 分成3行3列，并選擇第5個(gè)位置
img4 = plt.imread("Data/color/pizza_01.png")
plt.imshow(img4)
plt.sca(plt.subplot(3, 3, 6))  # 分成3行3列，并選擇第6個(gè)位置
img5 = plt.imread("Data/color/yogurt_02.png")
plt.imshow(img5)
plt.sca(plt.subplot(3, 3, 8))  # 分成3行3列，并選擇第8個(gè)位置，最后一個(gè)放中間
img6 = plt.imread("Data/color/yogurt_model_03_big.png")
plt.imshow(img6)
''' 第二個(gè)，放曲線圖 '''
plt.figure(2)  # 創(chuàng)建第2個(gè)圖形
plt.xlabel("x")
plt.ylabel("f(x)")
x = [0.0, 10.0, 20.0, 30.0]  # 返回一個(gè)有終點(diǎn)和起點(diǎn)的固定步長(0.1)的數(shù)列
y = [0.0, 110.0, 420.0, 930.0]  # 返回一個(gè)有終點(diǎn)和起點(diǎn)的固定步長(0.1)的數(shù)列
plt.plot(x, y)
plt.text(15, 400, 'x2+x', fontsize=14)
''' 顯示plt '''
plt.show()  # 將plt顯示出來

結(jié)果

使用matplotlib同時(shí)繪制展示兩張圖表

from matplotlib import pyplot as plt
plt.plot(x1,y2,marker=".")
//使用figure進(jìn)行擦除
plt.figure()
plt.plot(x1,y2,marker="v")
plt.show()

matplotlib.pyplot一幅圖兩個(gè)坐標(biāo)

def plot_loss_with_acc(loss_history, val_acc_history):
    """
    一幅圖兩個(gè)坐標(biāo)曲線
    :param loss_history: loss列表
    :param val_acc_history: acc列表
    """
    fig = plt.figure()
	# 第1個(gè)坐標(biāo)軸
    ax1 = fig.add_subplot(111)
    ax1.plot(range(len(loss_history)), loss_history,
             c=np.array([255, 71, 90]) / 255.)
    plt.ylabel('Loss')
	# 第2個(gè)坐標(biāo)軸
    ax2 = fig.add_subplot(111, sharex=ax1, frameon=False)
    ax2.plot(range(len(val_acc_history)), val_acc_history,
             c=np.array([79, 179, 255]) / 255.)
    ax2.yaxis.tick_right()
    ax2.yaxis.set_label_position("right") # 畫在右邊
    plt.ylabel('ValAcc')
	# x軸
    plt.xlabel('Epoch')
    plt.title('Training Loss & Validation Accuracy')
    plt.show()