【机器学习】python使用matplotlib进行二维数据绘图并保存为png图片

原创已于 2022-08-19 05:39:43 修改 · 3.1k 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #matplotlib

于 2022-08-12 05:08:07 首次发布

python 同时被 2 个专栏收录

89 篇文章

订阅专栏

统计学

9 篇文章

订阅专栏

本文详细介绍如何使用Python进行机器学习实践，包括数据加载、可视化、预处理、模型评估及调优等关键步骤。通过scikit-learn和pandas库实现数据分割、模型训练与验证。

import sys
import sklearn
# Common imports
import numpy as np
import os

# to make this notebook's output stable across runs
np.random.seed(42)

# To plot pretty figures
%matplotlib inline
import matplotlib as mpl
import matplotlib.pyplot as plt

# Where to save the figures
PROJECT_ROOT_DIR = "."
CHAPTER_ID = "training_linear_models"
IMAGES_PATH = os.path.join(PROJECT_ROOT_DIR, "images", CHAPTER_ID)
os.makedirs(IMAGES_PATH, exist_ok=True)

def save_fig(fig_id, tight_layout=True, fig_extension="png", resolution=300):
    #标签label等属性设置
    mpl.rc('axes', labelsize=14)
    mpl.rc('xtick', labelsize=12)
    mpl.rc('ytick', labelsize=12)
    path = os.path.join(IMAGES_PATH, fig_id + "." + fig_extension)
    print("Saving figure", fig_id)
    #轴标签、标题、刻度标签等等会超出图形区域，导致显示不全
    if tight_layout:
        plt.tight_layout()
    plt.savefig(path, format=fig_extension, dpi=resolution)

#数据准备及绘图调用：

import numpy as np
X = 2 * np.random.rand(100, 1)
y = 4 + 3 * X + np.random.randn(100, 1)

plt.plot(X, y, "b.")
plt.xlabel("$x_1$", fontsize=18)
plt.ylabel("$y$", rotation=0, fontsize=18)
#x及y的取值范围
plt.axis([0, 2, 0, 15])
#保存图片名
save_fig("generated_data_plot")
plt.show()

效果：
在这里插入图片描述
也可用如下代码绘制并保存多图

plt.subplot(1, 2, 1)
plt.plot(X, y, "b.")
plt.xlabel("$x_1$", fontsize=18)
plt.ylabel("$y$", rotation=0, fontsize=18)
#x及y的取值范围
plt.axis([0, 2, 0, 15])
#保存图片名
save_fig("generated_data_plot_0")
plt.subplot(1, 2, 2)
plt.plot(X, y, "b.")
plt.xlabel("$x_2$", fontsize=18)
plt.ylabel("$y$", rotation=0, fontsize=18)
#x及y的取值范围
plt.axis([0, 4, 0, 15])
#保存图片名
save_fig("generated_data_plot_1")
plt.show()