使用set_xlim函数后图像会改变，如何保证不改变呢？

如果你不想改变图像的x轴范围，可以使用`get_xlim()`函数获取当前的x轴范围，然后将它传递给`set_xlim()`函数。这样就不会改变x轴范围了。以下是一个示例代码：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-5, 5, 100)
y = x ** 2

plt.plot(x, y)

# 获取当前的x轴范围
xmin, xmax = plt.xlim()

# 设置x轴范围，不改变原来的范围
plt.xlim(xmin, xmax)

plt.show()

这样就能保证不改变图像的x轴范围了。

相关问题

#使用前面定义的函数进行画图 X0,X1=X_train[:,0],X_train[:,1] xx,yy=make_meshgrid(X0,X1) for clf,title,ax in zip(models,titles,sub.flatten()): plot_contours(ax,clf,xx,yy,cmap=plt.cm.plasma,alpha=0.8) ax.scatter(X0,X1,c=y,cmap=plt.cm.plasma,s=20,edgecolors='k') ax.set_xlim(xx.min(),xx.max()) ax.set_ylim(yy.min(),yy.max()) ax.set_xlabel('Feature 0') ax.set_ylabel('Feature 1') ax.set_xticks(()) ax.set_yticks(()) ax.set_title(title) plt.show()

这段代码是用来画出分类器的决策边界和数据点的散点图的。其中，`make_meshgrid`函数用来生成网格点，`plot_contours`函数用来画出分类器的决策边界，`ax.scatter`用来画出数据点的散点图。`models`是一个分类器列表，`titles`是对应分类器的标题列表，`sub.flatten()`是用来展平子图的二维数组。最后，通过`plt.show()`来显示图像。

def draw_acc_loss(acc_list, loss_list, epochs): """ Functions used to plot accuracy and loss values """ host = host_subplot(111) plt.subplots_adjust(right=0.8) par1 = host.twinx() host.set_xlabel("epochs") host.set_ylabel("test-loss") par1.set_ylabel("test-accuracy") p1, = host.plot(range(epochs), loss_list, label="loss") p2, = par1.plot(range(epochs), acc_list, label="accuracy") host.legend(loc=5) host.axis["left"].label.set_color(p1.get_color()) par1.axis["right"].label.set_color(p2.get_color()) host.set_xlim([0, epochs - 1]) par1.set_ylim([0, 1]) plt.draw() plt.show()

这是一个用于绘制准确率和损失值曲线的函数。该函数接受三个参数：acc_list（准确率列表）、loss_list（损失值列表）和epochs（训练轮数）。

在函数内部，首先创建一个主图和一个次坐标图，用于分别显示损失值和准确率。通过调整子图的位置，使得次坐标图在主图旁边。

接下来，设置横轴标签为"epochs"，纵轴标签分别为"test-loss"和"test-accuracy"。

然后，使用plot函数绘制损失值和准确率曲线。通过range(epochs)生成横轴的坐标，将loss_list和acc_list作为纵轴的数据。将损失值曲线和准确率曲线分别赋值给p1和p2。

接着，使用legend函数在图例中显示损失值曲线和准确率曲线的标签。

调整主图和次坐标图的轴标签颜色，使得与对应曲线的颜色一致。

设置横轴范围为0到epochs-1，纵轴范围为0到1。

最后，使用draw函数绘制图形，并使用show函数显示图像。

这个函数可以方便地将训练过程中的准确率和损失值可视化，帮助我们更好地理解模型的训练情况和性能表现。