首页fig = plt.figure(figsize=(12,12)) for df in X_featureset_0: for i in range(len(df.columns)): fig.add_subplot(3,4, i+1) sns.kdeplot(df['MFCC_'+str(i)], shade=True) plt.xlabel('MFCC_'+str(i)) plt.legend(['train','test']) plt.tight_layout()

fig = plt.figure(figsize=(12,12)) for df in X_featureset_0: for i in range(len(df.columns)): fig.add_subplot(3,4, i+1) sns.kdeplot(df['MFCC_'+str(i)], shade=True) plt.xlabel('MFCC_'+str(i)) plt.legend(['train','test']) plt.tight_layout()

时间: 2024-03-11 17:45:06 浏览: 101

matplotilb中fig,ax = plt.subplots()的使用

在用matplotlib绘制图形时，我经常要绘制子图，此时我们就可以使用函数 plt.subplots() fig,ax = plt.subplots()的意思建立一个fig对象和建立一个axis对象，当我绘制2*2的个子图时候我们需要 #建立一个fig对象和一个axis对象,figsize设置对象的大小 fig,ax = plt.subplots(2,2,figsize=(9,25)) #选定第2个子图 ax1 = plt.subplot(221) ax1.scatter(x1,y1) #选定第2个子图 ax1 = plt.subplot(222) ax1.scatter(x2,y2) #

这段代码使用了Matplotlib和Seaborn库，用于绘制MFCC特征的核密度估计曲线。具体来说，代码首先创建了一个大小为12x12的图像fig。接下来，遍历X_featureset_0中的每个数据框df，对于每个数据框，遍历其每一列，对于每一列，使用fig.add_subplot方法在图像中添加一个子图。在每个子图中，使用sns.kdeplot方法绘制该列的MFCC特征的核密度估计曲线，并使用plt.xlabel方法添加x轴标签。最后，使用plt.legend方法添加图例，表示该曲线来自训练集或测试集。在绘制完所有的子图后，使用plt.tight_layout方法调整子图之间的间距，使它们更加紧凑。

阅读全文