Python绘制原始数据和预测的图
时间: 2023-06-27 18:02:38 浏览: 40
可以使用Python中的matplotlib库绘制原始数据和预测的图。以下是一个简单的示例代码:
```python
import matplotlib.pyplot as plt
# 原始数据
x = [1, 2, 3, 4, 5]
y_actual = [2, 4, 5, 4, 5]
# 预测数据
y_pred = [3, 3.5, 4, 4.5, 5]
# 绘制原始数据和预测数据的曲线
plt.plot(x, y_actual, label='Actual')
plt.plot(x, y_pred, label='Predicted')
# 添加图例和标签
plt.legend()
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.title('Actual vs Predicted')
# 显示图形
plt.show()
```
运行以上代码将生成一张包含原始数据和预测数据的曲线图。你可以将其保存为图片或者直接在Jupyter Notebook中显示。
相关问题
Python绘制时间序列原始数据和预测的图
要绘制时间序列的原始数据和预测数据的图,可以使用Python中的matplotlib库。以下是一个简单的示例代码,演示如何使用matplotlib绘制时间序列的原始数据和预测数据的图:
```python
import matplotlib.pyplot as plt
import numpy as np
# 创建原始数据和预测数据
x = np.linspace(0, 10, 100)
y_true = np.sin(x)
y_pred = np.sin(x) + np.random.randn(100) * 0.1
# 绘制原始数据和预测数据
plt.plot(x, y_true, label='True Data')
plt.plot(x, y_pred, label='Predicted Data')
# 设置图的标题、标签和图例等
plt.title('Time Series Example')
plt.xlabel('Time')
plt.ylabel('Value')
plt.legend()
# 显示图形
plt.show()
```
在这个代码中,我们首先使用numpy库创建了一个时间序列的原始数据和预测数据,然后使用matplotlib库的plot()函数绘制了这两组数据的图形。我们还设置了图的标题、标签和图例等,以便更好地展示数据。最后,使用show()函数显示图形。
python绘制原始数据混淆矩阵
要在Python中绘制原始数据的混淆矩阵,可以使用混淆矩阵函数`confusion_matrix`和可视化库`matplotlib`。以下是一个示例代码:
```python
import numpy as np
import matplotlib.pyplot as plt
from sklearn.metrics import confusion_matrix
# 原始数据标签和预测结果
true_labels = [0, 1, 2, 0, 1, 2, 0, 2, 2]
pred_labels = [0, 2, 1, 0, 2, 1, 0, 0, 2]
# 计算混淆矩阵
cm = confusion_matrix(true_labels, pred_labels)
# 绘制混淆矩阵
plt.figure(figsize=(8, 6))
plt.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)
plt.title('Confusion Matrix')
plt.colorbar()
tick_marks = np.arange(len(np.unique(true_labels)))
plt.xticks(tick_marks, np.unique(true_labels))
plt.yticks(tick_marks, np.unique(true_labels))
plt.xlabel('Predicted Label')
plt.ylabel('True Label')
# 在每个格子中添加分类数量
thresh = cm.max() / 2.
for i in range(cm.shape[0]):
for j in range(cm.shape[1]):
plt.text(j, i, format(cm[i, j], 'd'),
horizontalalignment="center",
color="white" if cm[i, j] > thresh else "black")
plt.show()
```
这段代码通过调用`confusion_matrix`函数计算出混淆矩阵,并使用`imshow`函数绘制矩阵。同时,使用`text`函数在每个格子中添加分类数量。最后,通过`plt.show()`显示混淆矩阵图像。你可以根据需要修改代码中的原始数据标签和预测结果。