plt.plot(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).mean().values), 'b')
时间: 2024-05-22 17:10:39 浏览: 16
这段代码是用来绘制折线图的,其中np.arange(len(rate_array))生成了一个等差数列作为x轴的坐标,np.hstack(df.rolling(rolling_intv, min_periods=1).mean().values)生成了y轴的坐标,这里使用了DataFrame的rolling函数对数据进行滑动窗口计算,即对每个时间点的数据和它前面的一些数据进行均值计算,rolling_intv表示滑动窗口的大小,min_periods表示滑动窗口中最少需要有几个数据点。最后使用plt.plot函数将生成的x轴和y轴坐标绘制成折线图,并且'b'表示蓝色的线条。
相关问题
def plot_rate( rate_his, rolling_intv = 50, ylabel='标准化计算速率',ax=None): import matplotlib.pyplot as plt import pandas as pd import matplotlib as mpl rate_array = np.asarray(rate_his) # 将一个 Python 列表 rate_his 转换为 NumPy 数组 rate_array df = pd.DataFrame(rate_his) # 创建了一个名为df的Pandas DataFrame对象,将rata_his数据进行索引拆分过滤排序 if ax is None: fig, ax = plt.subplots(figsize=(15, 8)) mpl.style.use('seaborn') #设置matplotlib 库的绘图风格为 seaborn 风格 fig, ax = plt.subplots(figsize=(15,8))# 使用 Matplotlib 库创建一个带有指定大小的子图对象,宽为15,高为8 plt.plot(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).mean().values), 'b') #使用plt.plot函数将生成的x轴和y轴坐标绘制成折线图,并且'b' 表示蓝色的线条。 plt.fill_between(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).min()[0].values), np.hstack(df.rolling(rolling_intv, min_periods=1).max()[0].values), color = 'b', alpha = 0.2) #将这两个曲线之间的区域填充成颜色为蓝色、透明度为0.2的矩形 plt.ylabel(ylabel)# 设置纵轴标签 plt.xlabel('Time Frames')#设置横轴标签 plt.show(), plot_rate(Q.sum(axis=1)/N, 100, 'Average Data Queue') plot_rate(energy.sum(axis=1)/N, 100, 'Average Energy Consumption'),将多个函数绘制于横坐标相同的同一张图
可以通过将多个函数的数据合并成一个 NumPy 数组,然后在同一个子图对象上使用 plt.plot() 函数来绘制多条线路。下面是一个示例代码,其中包括两个函数 plot_rate() 的调用,用于在同一张图上绘制两条线路:
``` python
import numpy as np
import matplotlib.pyplot as plt
def plot_rate(rate_his, rolling_intv=50, ylabel='标准化计算速率', ax=None):
import pandas as pd
import matplotlib as mpl
rate_array = np.asarray(rate_his)
df = pd.DataFrame(rate_his)
if ax is None:
fig, ax = plt.subplots(figsize=(15, 8))
mpl.style.use('seaborn')
ax.plot(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).mean().values), 'b')
ax.fill_between(np.arange(len(rate_array))+1, np.hstack(df.rolling(rolling_intv, min_periods=1).min()[0].values), np.hstack(df.rolling(rolling_intv, min_periods=1).max()[0].values), color='b', alpha=0.2)
ax.set_ylabel(ylabel)
ax.set_xlabel('Time Frames')
# Generate some sample data
N = 1000
Q = np.random.normal(0.0, 1.0, (N, 10))
energy = np.random.normal(10.0, 1.0, (N, 10))
# Create a figure with two subplots
fig, (ax1, ax2) = plt.subplots(nrows=2, ncols=1, figsize=(15, 10))
# Plot the data queue rate on the first subplot
plot_rate(Q.sum(axis=1)/N, 100, 'Average Data Queue', ax=ax1)
# Plot the energy consumption rate on the second subplot
plot_rate(energy.sum(axis=1)/N, 100, 'Average Energy Consumption', ax=ax2)
# Show the plot
plt.show()
```
这段代码将生成两个包含随机数据的 NumPy 数组 Q 和 energy。我们使用这些数组中的数据来调用 plot_rate() 函数,将数据队列速率和能量消耗速率绘制在同一张图上的两个子图中。在这个示例中,我们使用了 plt.subplots() 函数来创建一个包含两个子图的图形,然后在每个子图上调用 plot_rate() 函数来绘制数据。
plt.plot(np.arange(len(pre1)),pre_data,'-*')有*图型还有什么
在Matplotlib库中,`plt.plot()`函数中的第三个参数表示绘图符号的样式,常用的符号如下:
- `-` 实线
- `--` 短横线
- `-.` 点划线
- `:` 虚线
- `.` 点
- `o` 圆圈
- `v` 倒三角形
- `^` 正三角形
- `<` 左三角形
- `>` 右三角形
- `1` 三叉符号
- `2` 倒立的三叉符号
- `3` 左面的三叉符号
- `4` 右面的三叉符号
- `s` 正方形
- `p` 五边形
- `h` 六边形
- `H` 六边形
- `+` 加号
- `x` 叉号
- `D` 菱形
- `d` 窄的菱形
- `|` 竖直线
- `_` 水平线
例如,`plt.plot(np.arange(len(pre1)), pre_data, '-*')`中的`-*`表示以实线为主,点标记为副的符号样式。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)