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**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

tezxq"""

import matplotlib.pyplot as plt

import numpy as np

figfig2,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() 產生乙個figure物件和乙個axis物件。figure相當於乙個視窗，而axis相當於乙個畫布。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，如果只需建立乙個figure物件，那麼可以省略。然後ax=fig.subplot(1,1,1)，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**中建立了兩個視窗，在實驗過程中，我發現只能有乙個視窗被選中，即用滑鼠點選哪個視窗，哪個視窗會動態地顯示繪畫過程，而另乙個保持不動。

繪畫過程截圖如下：

本文標題: 使用matplotlib動態重新整理指定曲線例項

本文位址: /jiaoben/python/309528.html

使用matplotlib動態重新整理指定曲線例項

matplotlib 基本使用

matplotlib的基本使用

matplotlib的使用記錄

使用matplotlib動態重新整理指定曲線例項

matplotlib 基本使用

matplotlib的基本使用

matplotlib的使用記錄

相關推薦