深度学习--Matplotlib学习笔记(一)
在深度学习中绘图工具必不可少，于是Matplotlib的强大功能便体现出来。下面讲解一下几种简单的图形的绘制方法。
绘制折线图
折线图是最简单的一类图形，下面我们用pylot实现绘制折线图的功能。
这个命令用来在jupyter内部显示图片
%matplotlib inline
首先需要导入Matplotlib包中的Pyplot模块
import matplotlib.pyplot as plt
接下来，使用 NumPy 提供的函数 arange() 创建一组数据来绘制图像。
#引入numpy包
import numpy as np
#获得0到2π之间的ndarray对象
x = np.arange(0, math.pi*2, 0.05)
上述所得 x 的值作用到 x 轴上，而该值对应的正弦值，也就是 y 值，使用以下方法获取：
y = np.sin(x)
使用 plot() 函数对 x、y 进行绘制。
plt.plot(x,y)
主要的绘图工作已经完成，不过还需要绘制一些细节，需要我们补充一下，比如图像的标题(title)、x 轴与 y 轴的标签（label）等。
plt.xlabel("angle")
plt.ylabel("sine")
plt.title('sine wave')
完整的程序代码如下：
from matplotlib import pyplot as plt
import numpy as np
import math
#调用math.pi方法弧度转为角度
x = np.arange(0, math.pi*2, 0.05)
y = np.sin(x)
plt.plot(x,y)
plt.xlabel("angle")
plt.ylabel("sine")
plt.title('sine wave')
#使用show展示图像
plt.show()
代码执行后，显示结果如下：
是不是很简单，下面再来绘制一个U-I特性图：
| I(mA) | 23.92 | 13.34 | 9.26 | 7.95 | 7.05 | 5.21 | 4.49 |
|---|---|---|---|---|---|---|---|
| U(V) | 4.78 | 5.32 | 5.53 | 5.59 | 5.64 | 5.71 | 5.76 |
%matplotlib inline
import torch
from IPython import display
from matplotlib import pyplot as plt
import numpy as np
import random
x=[5.00,4.17,3.57,3.33,3.12,2.78,2.50]
y=[0.00,0.83,1.43,1.67,1.88,2.22,2.50]
plt.plot(x,y)
plt.ylabel("U/V")
plt.xlabel("I/mA")
plt.title("U-I")
plt.show()
绘制曲线图
PyLab 是一个面向 Matplotlib 的绘图库接口，其语法和 MATLAB 十分相近。它和 Pyplot 模快都够实现Matplotlib 的绘图功能。PyLab 是一个单独的模块，随 Matplotlib 软件包一起安装，该模块的导包方式和 Pyplot不同，如下所示：
#Pyplot导包方式
from matplotlib import pyplot as plt
#PyLab导包有两种方式
import pylab
from pylab import *
其实PyLab和Pyplot能够实现的功能基本一致，只是PyLab和MATLAB 十分相近，用法简便。
import numpy as np
x=np.linspace(-3, 3, 30)
y=x**3
plt.plot(x,y,'r')
plt.show()
如果您要绘制特殊类型的线条，并想添加一些颜色，PyLab 提供了如下方法：
符号 ‘-’，’–’，’-.’，’:’，’.’，’,’，，o，^，v<，>，s，+，x，D，d，1，2，3，4，h，H，p，| ，_
颜色 b(蓝色)，g(绿色)，r(红色)，c(青色)，m(品红)，y(黄色)，k(黑色)，w(白色)
效果如下：
from pylab import *
x = linspace(-3, 3, 30)
y = x**2
plot(x, y, 'r.')
show()
如果您想在同一绘图区域内绘制多个图形，只需要使用多个绘图命令。示例如下：
from matplotlib import pyplot as plt
import numpy as np
x=np.arange(-4,0,0.1)
plt.plot(x,sin(x),'r')
plt.plot(x,cos(x),'g--')
plt.plot(x,-sin(x),'b.')
plt.show()
如果想清除图像，直接在程序末尾调用 clf() 方法即可。