python 实现在一张图中绘制一个小的子图方法_Python

python 实现在一张图中绘制一个小的子图方法

2021-08-03 00:29wychen_sunshine Python

今天小编就为大家分享一篇python 实现在一张图中绘制一个小的子图方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

有时候为了直观展现图的信息，可以在大图中添加小子图的方式进行数据分析，如下图所示：

python 实现在一张图中绘制一个小的子图方法

具体的代码如下：该图连接了数据库，当然重要的不是数据展示，而是添加子图的方法。

				?

									import matplotlib.pyplot as plt

									import MySQLdb as mdb

									import numpy as np

									from mpl_toolkits.axes_grid1.inset_locator import inset_axes

									from mpl_toolkits.axes_grid1.inset_locator import mark_inset

									def graph():

									  # 连接数据库

									  conn = mdb.connect(host='127.0.0.1', port=3306, user='root', passwd='root', db='alibaba_trace', charset='utf8')

									  # 如果使用事务引擎，可以设置自动提交事务，或者在每次操作完成后手动提交事务conn.commit()

									  conn.autocommit(1) # conn.autocommit(True)

									  # 使用cursor()方法获取操作游标

									  cursor = conn.cursor()

									  # 因该模块底层其实是调用CAPI的，所以，需要先得到当前指向数据库的指针。

									  try:

									    cursor.execute("select machineID, count(id) from batch_instance where machineID != 0 group by machineID")

									    records = cursor.fetchall()

									    list_records = list(records)

									  except:

									    import traceback

									    traceback.print_exc()

									    # 发生错误时回滚

									    conn.rollback()

									  finally:

									    # 关闭游标连接

									    cursor.close()

									    # 关闭数据库连接

									    conn.close()

									  res = []

									  res[:] = map(list, list_records)

									  machineID = [x[0] for x in res]

									  instance_num = [x[1] for x in res]

									  print(max(instance_num))

									  print(min(instance_num))

									  fig = plt.figure()

									  ax1 = fig.add_subplot(1, 1, 1)

									  # # cdf

									  # hist, bin_edges = np.histogram(instance_num, bins=len(np.unique(instance_num)))

									  # cdf = np.cumsum(hist / sum(hist))

									  # ax1.plot(bin_edges[1:], cdf, color='red', ls='-')

									  # ax1.set_xlabel("instance number per machine")

									  # ax1.set_ylabel("portion of machine")

									  # plt.savefig('../../imgs_mysql/cdf_of_machine_instance.png')

									  # # 直方图

									  ax1.hist(instance_num, normed=False, alpha=1.0, bins=100)

									  ax1.set_xlabel('instance number per machine')

									  ax1.set_ylabel('machine number')

									  # cdf 要添加的子图

									  axins = inset_axes(ax1, width=1.5, height=1.5, loc='upper left')

									  # ax1 大图

									  # width height分别为子图的宽和高

									  # loc 为子图在大图ax1中的相对位置 相应的值有

									  # upper left

									  # lower left

									  # lower right

									  # right

									  # center left

									  # center right

									  # lower center

									  # upper center

									  # center

									  hist, bin_edges = np.histogram(instance_num, bins=len(np.unique(instance_num)))

									  cdf = np.cumsum(hist / sum(hist))

									  axins.plot(bin_edges[1:], cdf, color='red', ls='-')

									  axins.set_yticks([])

									  # axins.set_xlabel("instance number per machine")

									  # axins.set_ylabel("portion of machine")

									  plt.savefig("../../imgs_mysql/hist_of_machine_instance")

									  plt.show()

									if __name__ == '__main__':

									  graph()