for i, ax in enumerate(axes): sheet_name = excel.sheet_names[i] plt.subplot(8,1,i+1) plt.boxplot(df[sheet_name]["完播率"], labels=[sheet_name]) plt.set_title(sheet_name)

感谢您提供的绘图代码。根据您的代码，您希望绘制八个箱型图，每个图对应一个表格(sheet)中的"完播率"数据列。

您可以尝试使用以下代码来绘制这些箱型图：

import matplotlib.pyplot as plt

fig, axes = plt.subplots(8, 1, figsize=(10, 20))

for i, ax in enumerate(axes):
    sheet_name = excel.sheet_names[i]
    ax.boxplot(df[sheet_name]["完播率"], labels=[sheet_name])
    ax.set_title(sheet_name)

plt.tight_layout()
plt.show()

这段代码将会创建一个包含8个子图的图形，每个子图对应一个表格(sheet)的箱型图。每个箱型图的x轴标签将使用对应的表格(sheet)名称。

请确保已经正确导入`matplotlib.pyplot`库，并根据您的需求对绘图进行调整。希望这能帮助到您！如果有任何问题，请随时提问。

相关问题

import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D x_data = [1.0, 2.0, 3.0, 4.0] y_data = [2.0, 4.0, 6.0, 8.0] fig = plt.figure() ax = fig.add_subplot(111, projection='3d') def forward(x): return x * w + b def loss(x, y): y_pred = forward(x) return (y_pred - y) * (y_pred - y) b_list = [] w_list = [] mse_list = [] for w in np.arange(0.0, 4.1, 0.1): loss_sum = 0 for b in np.arange(-2, 2, 0.1): print(f"w={w}, b={b}") for x_val, y_val in zip(x_data, y_data): y_pred_val = forward(x_val) loss_val = loss(x_val, y_val) loss_sum = loss_sum + loss_val print('/t', x_val, y_val, y_pred_val, loss_val) print('mse=', loss_sum/3) w_list.append(w) b_list.append(b) mse_list.append(loss_sum/3) ax.plot_surface(w_list, b_list, mse_list) ax.set_xlabel("w") ax.set_ylabel("b") ax.set_zlabel("Loss")哪里错了怎么改

在代码中有几个问题需要修改：

1. 在loss函数中，应该使用平均损失而不是总损失，因此需要将返回的值除以样本数量。

2. 在循环中，应该遍历所有的b值，而不是仅仅使用np.arange(-2, 2, 0.1)生成的一组值。

3. 在绘制图形时，应该使用meshgrid函数生成所有的(w, b)坐标对，并且使用flatten函数将坐标矩阵展平成一维数组。

下面是修改后的代码：

import numpy as np 
import matplotlib.pyplot as plt 
from mpl_toolkits.mplot3d import Axes3D 

x_data = [1.0, 2.0, 3.0, 4.0] 
y_data = [2.0, 4.0, 6.0, 8.0] 

fig = plt.figure() 
ax = fig.add_subplot(111, projection='3d') 

def forward(x, w, b): 
    return x * w + b 

def loss(x, y, w, b): 
    y_pred = forward(x, w, b) 
    return np.mean((y_pred - y) ** 2) 

w_list = np.arange(0.0, 4.1, 0.1) 
b_list = np.arange(-2.0, 2.1, 0.1) 
W, B = np.meshgrid(w_list, b_list) 
mse_list = np.empty_like(W) 

for i, w in enumerate(w_list): 
    for j, b in enumerate(b_list): 
        loss_sum = 0 
        for x_val, y_val in zip(x_data, y_data): 
            y_pred_val = forward(x_val, w, b) 
            loss_val = loss(x_val, y_val, w, b) 
            loss_sum += loss_val 
        mse_list[j, i] = loss_sum/len(x_data) 

ax.plot_surface(W, B, mse_list) 
ax.set_xlabel("w") 
ax.set_ylabel("b") 
ax.set_zlabel("Loss") 

plt.show()

这个代码会绘制出一个3D图形，其中的x轴表示w，y轴表示b，z轴表示损失。

import torch import torchvision from torch.utils import data from torchvision import transforms from d2l import torch as d2l import matplotlib.pyplot as plt d2l.use_svg_display() #通过ToTensor实例将图像数据从PIL类型变换成32位浮点数格式 #并除以255使得所有像素的数值均在0-1之间 trans = transforms.ToTensor() mnist_train = torchvision.datasets.FashionMNIST( root = r"E:\py\python\test\deep learning\data",train=True,transform=trans,download=True ) mnist_test = torchvision.datasets.FashionMNIST( root = r"E:\py\python\test\deep learning\data",train=False,transform=trans,download=True ) print(len(mnist_train),len(mnist_test)) print(mnist_train[0][0].shape) def get_fashion_mnist_labels(labels): #@save """返回Fashion-MNIST数据集的文本标签""" text_labels = ['t-shirt','trouser','pullover','dress','coat', 'sandal','shirt','sneaker','bag','ankle boot'] return [text_labels[int(i)] for i in labels] def show_images(imgs,num_rows,num_cols,titles = None,scale=1.5): #@save """绘制图像列表""" figsize = (num_cols * scale,num_rows * scale) _,axes = d2l.plt.subplot(num_rows,num_cols,figsize=figsize) axes = axes.flatten() for i,(ax,img) in enumerate(zip(axes,imgs)): if torch.is_tensor(img): #图片张量 ax.imshow(img.numpy()) else: #PIL图片 ax.imshow(img) ax.axes.get_xaxis().set_visible(False) ax.axes.get_yaxis().set_visible(False) if titles: ax.set_title(titles[i]) return axes X,y = next(iter(data.DataLoader(mnist_train,batch_size=18))) show_images(X.reshape(18,28,28),2,9,titles=get_fashion_mnist_labels(y)); 这段代码运行不出来

这段代码的运行问题可能是由于缺少一些依赖包或路径设置不正确导致的。你可以尝试以下几个步骤来解决问题：

1. 确保你已经安装了需要的依赖包，比如torch、torchvision、d2l和matplotlib。你可以通过在命令行运行"pip install torch torchvision matplotlib"来安装它们。

2. 检查数据集的路径是否正确。在这段代码中，数据集被下载到了指定的路径，你需要确保该路径存在。如果路径不存在或不正确，可以尝试修改为正确的路径。

3. 检查是否有足够的权限来访问指定的路径。有时候，权限问题可能会导致无法读取或写入文件。

4. 检查代码中是否有其他错误或缺少的部分。请确保代码中所有的引入和函数调用都是正确的，并且没有语法错误。

如果你能提供具体的错误信息或更详细的描述，我可以给出更准确的帮助。