使用matplotlib動態重新整理指定曲線例項
我就廢話不多說啦,還是直接看程式碼吧!
from matplotlib import pyplot as plt import numpy as np x = np.linspace(1,100,20) y = x *2 +3 fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.scatter(x,y) plt.ion() for i in range(10): y = x*i*0.1 + i try: ax.lines.remove(lines[0]) except Exception: pass lines = ax.plot(x,y) plt.pause(0.1)
補充知識:用Python的matplotlib庫動態顯示不斷增長的資料
""" Created on Mon Dec 07 16:34:10 2015 @author: SuperWang """ import matplotlib.pyplot as plt import numpy as np fig,ax=plt.subplots() fig2,ax2=plt.subplots() y1=[] y2=[] for i in range(50): y1.append(np.sin(i)) y2.append(np.cos(i)) ax.cla() ax.set_title("Loss") ax.set_xlabel("Iteration") ax.set_ylabel("Loss") ax.set_xlim(0,55) ax.set_ylim(-1,1) ax.grid() ax.plot(y1,label='train') ax.plot(y2,label='test') ax.legend(loc='best') ax2.cla() ax2.set_title("Loss") ax2.set_xlabel("Iteration") ax2.set_ylabel("Loss") ax2.set_xlim(0,55) ax2.set_ylim(-1,1) ax2.grid() ax2.plot(y1,label='train') ax2.plot(y2,label='test') ax2.legend(loc='best') plt.pause(1)
要解決的問題如標題所示,原理很簡單,就是當資料增長時,不斷清空以前的繪畫內容,然後把現有的資料重新畫出來(資料是胡亂生成的)。
具體過程如下:
fig,ax=plt.subplots() 產生一個figure物件和一個axis物件。figure相當於一個視窗,而axis相當於一個畫布。此句也可以用兩句生成,即fig=plt.figure(num),括號中的引數是figure的ID,如果只需建立一個figure物件,那麼可以省略。然後ax=fig.subplot(1,1),subplot()的具體用法可以去google或百度一下。ax.cla()就是在新資料到來時,先把之前的繪製的內容清空,接下來,ax.set_title(“Loss”),ax.set_xlabel(“Iteration”),ax.set_ylabel(“Loss”)都很簡單,見名知意。ax.set_xlim(0,55),ax.set_ylim(-1,1)分別用來設定x軸和y軸的兩個端點。ax.grid()給畫布加上網格。ax.plot(y1,label='train'),ax.plot(y2,label='test')這兩句是實際的繪製命令,其中,引數label是為以後生成圖例用的。ax2.legend(loc='best')用來生成圖例,loc引數代表圖例位置location,而value:‘best'是其中的一種選擇,除此之外,還有左上角等其他選項。最後,plt.pause(1)是為了顯示上更直觀,故意每繪製一次,暫停1秒,注意,這裡的單位是秒。如果是實際的應用,而資料生成的過程又比較慢,此句完全可以省略。
這段程式碼中建立了兩個視窗,在實驗過程中,我發現只能有一個視窗被選中,即用滑鼠點選哪個視窗,哪個視窗會動態地顯示繪畫過程,而另一個保持不動。
繪畫過程截圖如下:
以上這篇使用matplotlib動態重新整理指定曲線例項就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。