• matplotlib 强化学习


    matplotlib 强化学习

    import matplotlib.pyplot as plt
    ...![](https://img2020.cnblogs.com/blog/1642028/202006/1642028-20200621111043462-144482637.png)
    
    
    plt.show()		#显示图像;下面都要写,就不重复了
    

    二维图表

    1. 基本图表

    1. 用plot方法画出x=(0,10)间sin的图像
    x = np.linspace(0, 10, 30)  #产生0-10之间的30个均匀数组
    plt.plot(x, np.sin(x));		#以x为横坐标,sin(x)为纵坐标打印出图像
    

    注:

    • linspace生成的是包含结尾的数组,比如0-10生成11个数才是0,1,2,3,4,5...
    • 生成10个数则是0,1.11111111, 2.22222222, 3.33333333, 4.44444444...;
    • 而arrange是不包含结尾的,0-10生成10个数是0,1,2,3...
    1. 用点,线的方式画出x=(0,10)间sin的图像
    plt.plot(x, np.sin(x), '-o');
    #'o’代表每个数据点用小圆圈表示,且数据点之前不用线连接,看起来很像散点图
    #'ro'代表小圆圈是红色的
    #'-'就是最普通的线型,数据点之间用实线连接。
    #'--'设置线性为虚线
    

    !

    1. 用scatter方法画出x=(0,10)间sin的点图像
    plt.scatter(x, np.sin(x));		#散点图
    

    1. 用饼图的面积及颜色展示一组4维数据
    rng = np.random.RandomState(0)
    x = rng.randn(100)			#生成随机数组
    y = rng.randn(100)
    colors = rng.rand(100)
    sizes = 1000 * rng.rand(100)
    
    plt.scatter(x, y, c=colors, s=sizes, alpha=0.3,
    cmap='viridis')
    plt.colorbar(); 			# 展示色阶
    

    绘制柱状图

    x = [1,2,3,4,5,6,7,8]
    y = [3,1,4,5,8,9,7,2]
    label=['A','B','C','D','E','F','G','H']
    
    plt.bar(x,y,tick_label = label);	#纵向升高
    plt.barh(x,y,tick_label = label);	#换成横向
    

    直方图

    data = np.random.randn(1000) #生成1000个随机数
    plt.hist(data);				#画出图像
    

    !

    2. 自定义图表元素

    x = np.linspace(0,10,100)
    plt.plot(x, np.sin(x))
    plt.ylim(-1.5, 1.5);		#设置y轴显示范围为(-1.5,1.5)
    
    x = np.linspace(0.05, 10, 100)
    y = np.sin(x)
    plt.plot(x, y, label='sin(x)')
    plt.xlabel('variable x');			#设置x,y轴标签variable x,value y
    plt.ylabel('value y');
    plt.title('三角函数');					#设置图表标题“三角函数”
    plt.text(3.2, 0, 'sin(x)', weight='bold', color='r');	#注释
    
    plt.annotate('maximum',xy=(np.pi/2, 1),xytext=(np.pi/2+1, 1),weight='bold',color='r',arrowprops=dict(arrowstyle='->', connectionstyle='arc3', color='r'));					#箭头标识
    

    显示网格

    x = np.linspace(0.05, 10, 100)
    y = np.sin(x)
    plt.plot(x, y)
    plt.grid()
    
    ...
    参数
    matplotlin.pyplot.grid(b, which, axis, color, linestyle, linewidth, **kwargs) axis : 取值为‘both’, ‘x’,‘y’。就是想绘制哪个方向的网格线。不过我在输入参数的时候发现如果输入x或y的时候,             输入的是哪条轴,则会隐藏哪条轴
    
    color : 这就不用多说了,就是设置网格线的颜色。或者直接用c来代替color也可以。
    plt.grid(c='g') 设置颜色为绿色
    
    linestyle :也可以用ls来代替linestyle, 设置网格线的风格,是连续实线,虚线或者其它不同的线条。 | '-' | '--' | '-.' | ':' | 'None' | ' ' | '']
    plt.grid(linestyle='-.')
    
    linewidth : 设置网格线的宽度
    ...
    

    绘制平行于x轴y=0.8的水平参考线

    x = np.linspace(0.05, 10, 100)
    y = np.sin(x)
    plt.plot(x, y)
    plt.axhline(y=0.8, ls='--', c='r')#水平参考线
    

    3. 自定义图像

    在一张图里绘制sin,cos的图形,并展示图例

    x = np.linspace(0, 10, 1000)
    fig, ax = plt.subplots()
    
    ax.plot(x, np.sin(x), label='sin')
    ax.plot(x, np.cos(x), '--', label='cos')
    ax.legend();
    

    多子图

    在2个子图中,显示sin(x)和cos(x)的图像

    fig = plt.figure()
    ax1 = fig.add_axes([0.1, 0.5, 0.8, 0.4], ylim=(-1.2, 1.2))
    ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.4], ylim=(-1.2, 1.2))
    
    x = np.linspace(0, 10)
    ax1.plot(np.sin(x));
    ax2.plot(np.cos(x));
    

    for i in range(1, 7):		#用for创建6个子图,并且在图中标识出对应的子图坐标
    plt.subplot(2, 3, i)
    plt.text(0.5, 0.5, str((2, 3, i)),fontsize=18, ha='center')
    

    组合绘制大小不同的子图

    grid = plt.GridSpec(2, 3, wspace=0.4, hspace=0.3)
    plt.subplot(grid[0, 0])
    plt.subplot(grid[0, 1:])
    plt.subplot(grid[1, :2])
    plt.subplot(grid[1, 2]);
    

    三维图像

    #38.创建一个三维画布
    from mpl_toolkits import mplot3d
    fig = plt.figure()
    ax = plt.axes(projection='3d')
    
    #39.绘制一个三维螺旋线
    ax = plt.axes(projection='3d')
    # Data for a three-dimensional line
    zline = np.linspace(0, 15, 1000)
    xline = np.sin(zline)
    yline = np.cos(zline)
    ax.plot3D(xline, yline, zline);
    
    #40.绘制一组三维点
    ax = plt.axes(projection='3d')
    zdata = 15 * np.random.random(100)
    xdata = np.sin(zdata) + 0.1 * np.random.randn(100)
    ydata = np.cos(zdata) + 0.1 * np.random.randn(100)
    ax.scatter3D(xdata, ydata, zdata, c=zdata, cmap='Greens');
    


    import numpy  as np
    from matplotlib import pyplot  as plt
    from mpl_toolkits.mplot3d import Axes3D
    q1 = np.arange(0.01, 1, 0.01)
    q2 = np.arange(0.01, 1 , 0.01)  #生成一位基底
    q1, q2 = np.meshgrid(q1, q2)    #混合成二维数组,形成二维基底
    
    pCDa = (1-q1)
    pCDb = (np.sqrt((1-q1)**2+q1**2)-q1)
    s_pCD = -q1* np.log2(q1) - (1-q1) * np.log2(1-q1)
    Q_MID1 = s_pCD *q2 /q2        #AB或CD的关联值,下图是(s_x_pCD - s_pCD) *q2;  *q2/q2后才是圆柱体
    
    fig = plt.figure()
    ax = Axes3D(fig)
    ax.plot_surface(q1,q2,Q_MID1)     #表面图
    ax.set_xlabel('value of q2')
    ax.set_ylabel('value of q1')
    ax.set_zlabel('the value of Q_MID1(pCD)')
    plt.show()
    
    #参数
    ax.plot_surface(X, Y, Z, *args, **kwargs)
    X,Y,Z:数据
    rstride、cstride、rcount、ccount:同Wireframe plots定义
    color:表面颜色
    cmap:图层
    

    参考文献:

    1. https://www.kesci.com/home/project/5de9f0a0953ca8002c95d2a9 50题matplotlib从入门到精通

    2. https://www.cnblogs.com/knightoffz/p/12933716.html 大创项目经历

    3. https://matplotlib.org/mpl_toolkits/mplot3d/tutorial.html 官方文档

    4. https://www.cnblogs.com/xingshansi/p/6777945.html 参考博客

  • 相关阅读:
    linux服务器上无root权限如何安装nodejs?
    Jupyter按tab键无法补全,而且报错TypeError: __init__() got an unexpected keyword argument 'column'的解决办法
    通过损失函数优化提高训练速度、准确性和数据利用率
    华为诺亚AutoML框架-Vega:(2) 代码结构
    华为诺亚实验室AutoML框架-Vega:(1) 介绍
    AutoML: A survey of the state-of-the-art综述期刊论文免费下载
    安装Docker 图形界面管理工具 -- Portainer
    Dockfile 编写示例(将 jar 制作成容器)
    Docker 常用命令集
    云服务器CentOS安装Docker
  • 原文地址:https://www.cnblogs.com/knightoffz/p/13171801.html
Copyright © 2020-2023  润新知