脚本之家,脚本语言编程技术及教程分享平台!
分类导航

Python|VBS|Ruby|Lua|perl|VBA|Golang|PowerShell|Erlang|autoit|Dos|bat|

服务器之家 - 脚本之家 - Python - python绘制浅色范围曲线的示例代码

python绘制浅色范围曲线的示例代码

2022-01-21 00:00岐伯 Python

这篇文章主要介绍了python绘制浅色范围曲线,本文通过示例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

借鉴:python绘制lost(损失)曲线 加 方差范围

直接上效果图:

python绘制浅色范围曲线的示例代码

上代码:

import re
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import shutil
import os
import math
sns.set_style('whitegrid')

path=r"F:\pycharm\class\20211008\alexnet_7class_srcData.csv"#数据的路径
#读取csv文件
csvfile = open(path, 'r')
plots = csv.reader(csvfile)
r1=[]
r2=[]
r3=[]
#将每一列数据表示一组,将数据分组存放
#row是按行读取,每一行有三个数据,分别存放
for row in plots:
  r1.append(round(float(row[0]),3))
  r2.append(round(float(row[1]),3))
  r3.append(round(float(row[2]),3))

#求均值
avg=[]
for i in range(len(r1)):
  avg.append(round((r1[i]+r2[i]+r3[i])/3,3))

#求方差
var=[]
for i in range(len(r1)):
  var.append(((r1[i]-avg[i])**2+(r2[i]-avg[i])**2+(r3[i]-avg[i])**2)/3)

#求标准差
std=[]
for i in range(len(r1)):
  std.append(math.sqrt(var[i]))
#通过该公式算出平均值+-标准差的曲线,便于后面范围曲线的描绘
r1 = list(map(lambda x: x[0]-x[1], zip(avg, std)))
r2 = list(map(lambda x: x[0]+x[1], zip(avg, std)))
plt.rcParams["figure.figsize"] = (15,10)
plt.plot(r1)
plt.plot(r2)
plt.legend(['范围曲线'],fontsize=30)
plt.xticks(fontsize=20)
plt.yticks(fontsize=20)
plt.xlabel('Epoch Number',fontsize=20)
plt.ylabel('Accuracy',fontsize=20)
plt.ylim(0, 20)
plt.show()

python绘制浅色范围曲线的示例代码

#横坐标由于fill_between函数
x=[]
for i in range(300):
   x.append(i+1)

# import matplotlib.pyplot as plt
plt.rcParams["figure.figsize"] = (15,10)
plt.plot(avg)
plt.fill_between(x,r1, r2, color=cm.viridis(0.5), alpha=0.2)
plt.legend(['avg'],fontsize=30)
plt.xticks(fontsize=20)
plt.yticks(fontsize=20)
plt.xlabel('Epoch Number',fontsize=20)
plt.ylabel('Accuracy',fontsize=20)
plt.ylim(0, 20)
plt.show()

python绘制浅色范围曲线的示例代码

到此这篇关于python绘制浅色范围曲线的文章就介绍到这了,更多相关python浅色范围曲线内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!

原文链接:https://blog.csdn.net/qq_39898066/article/details/120660843

延伸 · 阅读

精彩推荐