两组数据的曲线图python绘制，控制纵轴的范围

可以使用Python中的matplotlib库来绘制曲线图，并通过设置纵轴范围来控制纵轴的范围。下面是一个示例代码：

import matplotlib.pyplot as plt

# 数据
x1 = [1, 2, 3, 4, 5]
y1 = [10, 8, 6, 4, 2]

x2 = [1, 2, 3, 4, 5]
y2 = [2, 4, 6, 8, 10]

# 绘制曲线图
plt.plot(x1, y1, label='Line 1')
plt.plot(x2, y2, label='Line 2')

# 设置纵轴范围
plt.ylim(0, 12)

# 添加图例
plt.legend()

# 显示图形
plt.show()

在上述代码中，我们使用`plt.plot()`函数绘制了两条曲线，分别是`Line 1`和`Line 2`。然后我们使用`plt.ylim()`函数设置了纵轴的范围为0到12。最后使用`plt.legend()`函数添加了图例，并使用`plt.show()`函数显示了图形。

相关问题

python绘制曲线图显示中文

在Python中使用matplotlib库绘制曲线图并显示中文，需要进行以下设置：
1. 导入matplotlib库和字体库
2. 设置字体样式和大小
3. 设置中文字体
4. 绘制曲线图并添加中文标签和图例

具体步骤如下：
1. 导入库和字体

import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

2. 设置字体样式和大小

font = FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=14)

3. 设置中文字体

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

4. 绘制曲线图并添加中文标签和图例

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, label='曲线图')
plt.xlabel('横轴', fontproperties=font)
plt.ylabel('纵轴', fontproperties=font)
plt.title('曲线图示例', fontproperties=font)
plt.legend(prop=font)
plt.show()

以上就是使用matplotlib库绘制曲线图并显示中文的方法。如果需要显示其他类型的图形，可以参考官方文档或者其他教程进行学习。

python绘制roc曲线

以下是使用Python绘制ROC曲线的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 构造模拟数据
y_true = np.array([0, 0, 1, 1, 1, 0, 1, 0, 1, 0])
y_score = np.array([0.1, 0.3, 0.4, 0.6, 0.8, 0.2, 0.7, 0.5, 0.9, 0.1])

# 计算FPR和TPR
fpr, tpr, thresholds = metrics.roc_curve(y_true, y_score)

# 计算AUC
roc_auc = metrics.auc(fpr, tpr)

# 绘制ROC曲线
plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc)
plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--')
plt.xlim([0.0, 1.0])
plt.ylim([0.0, 1.05])
plt.xlabel('False Positive Rate')
plt.ylabel('True Positive Rate')
plt.title('Receiver operating characteristic')
plt.legend(loc="lower right")
plt.show()

解释：

1. 首先，我们定义了一个模拟数据集。`y_true`是实际标签，`y_score`是预测得分。
2. 使用`metrics.roc_curve`计算FPR和TPR。
3. 使用`metrics.auc`计算AUC。
4. 使用`plt.plot`绘制ROC曲线。
5. 使用`plt.plot`绘制对角线，表示随机猜测的效果。
6. 设置横轴和纵轴的标签，并设置标题。
7. 使用`plt.legend`添加图例。
8. 使用`plt.show`显示图形。

注意，这里使用了`sklearn.metrics`模块中的`roc_curve`和`auc`函数来计算ROC曲线和AUC。如果您还没有安装该模块，可以使用以下命令进行安装：

!pip install scikit-learn