如何用matplotlib画多个独立窗口的图

Posted 2023-04-27

import numpy as np
import matplotlib.pyplot as plt
def show(data):
    data = np.array(data)
    x =[a for a in range(data.size)]
    fig = plt.figure()
    plt.plot(x,data)
    plt.grid()
    fig.show()

用这个函数就可以同时输出多个图像

参考技术A 您好，很高兴能帮助您， fig1 = plt.figure('fig1') fig2 = plt.figure('fig2') 给每个figure取个名字就行了 你的采纳是我前进的动力，还有不懂的地方，请你继续“追问”！ 如你还有别的问题，可另外向我求助；答题不易，互相理解，互相帮助！ 参考技术B 您好，很高兴能帮助您，
plt.show() 好像只能这样,只有你关闭了才往下执行
你的采纳是我前进的动力，还有不懂的地方，请你继续“追问”！
如你还有别的问题，可另外向我求助；答题不易，互相理解，互相帮助！

如何用python画好confusion matrix

参考技术A

在做分类的时候，经常需要画混淆矩阵，下面我们使用python的matplotlib包，scikit-learning机器学习库也同样提供了例子：， 但是这样的图并不能满足我们的要求，

首先是刻度的显示是在方格的中间，这需要隐藏刻度，其次是如何把每个label显示在每个方块的中间， 其次是如何在每个方格中显示accuracy数值， 最后是如何在横坐标和纵坐标显示label的名字，在label name比较长的时候，如何处理显示问题。

直接贴上代码：

[python] view plain copy

'''''compute confusion matrix 

labels.txt: contain label name. 

predict.txt: predict_label true_label 

'''  

from sklearn.metrics import confusion_matrix  

import matplotlib.pyplot as plt  

import numpy as np  

#load labels.  

labels = []  

file = open('labels.txt', 'r')  

lines = file.readlines()  

for line in lines:  

labels.append(line.strip())  

file.close()  

y_true = []  

y_pred = []  

#load true and predict labels.  

file = open('predict.txt', 'r')  

lines = file.readlines()  

for line in lines:  

y_true.append(int(line.split(" ")[1].strip()))  

y_pred.append(int(line.split(" ")[0].strip()))  

file.close()  

tick_marks = np.array(range(len(labels))) + 0.5  

def plot_confusion_matrix(cm, title='Confusion Matrix', cmap = plt.cm.binary):  

plt.imshow(cm, interpolation='nearest', cmap=cmap)  

plt.title(title)  

plt.colorbar()  

xlocations = np.array(range(len(labels)))  

plt.xticks(xlocations, labels, rotation=90)  

plt.yticks(xlocations, labels)  

plt.ylabel('True label')  

plt.xlabel('Predicted label')  

cm = confusion_matrix(y_true, y_pred)  

print cm  

np.set_printoptions(precision=2)  

cm_normalized = cm.astype('float')/cm.sum(axis=1)[:, np.newaxis]  

print cm_normalized  

plt.figure(figsize=(12,8), dpi=120)  

#set the fontsize of label.  

#for label in plt.gca().xaxis.get_ticklabels():  

#    label.set_fontsize(8)  

#text portion  

ind_array = np.arange(len(labels))  

x, y = np.meshgrid(ind_array, ind_array)  

for x_val, y_val in zip(x.flatten(), y.flatten()):  

c = cm_normalized[y_val][x_val]  

if (c > 0.01):  

plt.text(x_val, y_val, "%0.2f" %(c,), color='red', fontsize=7, va='center', ha='center')  

#offset the tick  

plt.gca().set_xticks(tick_marks, minor=True)  

plt.gca().set_yticks(tick_marks, minor=True)  

plt.gca().xaxis.set_ticks_position('none')  

plt.gca().yaxis.set_ticks_position('none')  

plt.grid(True, which='minor', linestyle='-')  

plt.gcf().subplots_adjust(bottom=0.15)  

plot_confusion_matrix(cm_normalized, title='Normalized confusion matrix')  

#show confusion matrix  

plt.show()  

结果如下图所示：



阅读全文

版权声明：本文为博主原创文章，未经博主允许不得转载。

目前您尚未登录，请 登录 或 注册 后进行评论

linchunmian

2017-05-08 2