plt.legend()如何使用

plt.legend()函数用于在图形中添加图例。它的主要参数是labels，用于指定每个数据系列的标签，以及loc参数，用于指定图例的位置。默认情况下，它会尝试自动选择最佳位置。

下面是一个简单的示例：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')

plt.legend()
plt.show()

在这个例子中，我们使用plt.plot()函数绘制了两个不同的数据系列，分别是sin(x)和cos(x)。然后，我们使用label参数指定了每个数据系列的标签。最后，我们使用plt.legend()函数添加了图例，并显示图形。

输出的图形将包括一个图例，显示每个数据系列的标签。您可以使用loc参数来更改图例的位置，例如：

plt.legend(loc='upper left')

这将把图例放在左上角。还可以使用其他参数来更改图例的外观和样式，例如设置字体大小和颜色。

相关问题

x1.append(x1,) plt.ion() plt.figure("温度") plt.clf() plt.plot(y1) plt.title("温度") plt.xlabel("采集时间") plt.ylabel("温度值") plt.legend() plt.pause(10)

这段代码是用来绘制温度数据的折线图的示例。具体的步骤如下：

1. `x1.append(x1,)` 将 x1 的值添加到 x1 列表中，这里可能有个拼写错误，应该是 `x1.append(x1)`。

2. `plt.ion()` 是开启交互模式，这样在绘图时可以实时更新图形。

3. `plt.figure("温度")` 创建一个名为 "温度" 的图形窗口。

4. `plt.clf()` 清除当前图形窗口中的所有内容。

5. `plt.plot(y1)` 绘制折线图，其中 y1 是温度数据。

6. `plt.title("温度")` 设置图形的标题为 "温度"。

7. `plt.xlabel("采集时间")` 设置 x 轴的标签为 "采集时间"。

8. `plt.ylabel("温度值")` 设置 y 轴的标签为 "温度值"。

9. `plt.legend()` 显示图例。

10. `plt.pause(10)` 暂停 10 秒钟，保持图形窗口的显示状态。

请注意，在运行这段代码之前，确保已经安装了 matplotlib 库。

plt.plot(history.history['accuracy']) plt.title('model accuracy') plt.ylabel('accuracy') plt.xlabel('epoch') plt.legend(['train'], loc='upper left') plt.show() # 绘制训练loss plt.plot(history.history['loss']) plt.title('model loss') plt.ylabel('loss') plt.xlabel('epoch') plt.legend(['train'], loc='upper left') plt.show()

这段代码用于绘制训练过程中模型的准确率和损失函数变化情况。

第一个 plt.plot() 绘制了模型的准确率变化情况，其中 history.history['accuracy'] 存储了每个 epoch 结束后模型在训练集上的准确率。

第二个 plt.plot() 绘制了模型的损失函数变化情况，其中 history.history['loss'] 存储了每个 epoch 结束后模型在训练集上的损失函数值。

通过观察这两个图像，我们可以了解模型在训练过程中的表现情况，以及是否存在过拟合或欠拟合等问题。