pythonmatplotlib画法_【Python】Matplotlib局部放大图画法
前言
在做对比实验中，除了对整体形状的对比，在很多情况下都需要对某一局部的数据进行放大，来观察更加精细的对比效果。
工具
Python的Matplotlib库函数
步骤
1.导入依赖库
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.inset_locator import inset_axes
from matplotlib.patches import ConnectionPatch
复制代码
2.准备数据
reward_demaddpg[]储存的是执行demaddpg算法后所获得的300个reward结果。
因此横坐标设置为：
MAX_EPISODES = 300
x_axis_data = []
for l in range(MAX_EPISODES):
x_axis_data.append(l)
复制代码
5个对比实验结果存在5个数组中，分别表示demaddpg算法中设置的不同的学习率：
reward_demaddpg5[]：learning rate=
reward_demaddpg10[]：learning rate=
reward_demaddpg15[]：learning rate=
reward_demaddpg20[]：learning rate=
reward_demaddpg25[]：learning rate=
3.绘主图
fig, ax = plt.subplots(1, 1)
ax.plot(x_axis_data, reward_demaddpg5, color='#4169E1', alpha=0.8, label='$1*10^{-5}$')
ax.plot(x_axis_data, reward_demaddpg10, color='#848484', alpha=0.8, label='$5*10^{-6}$')
ax.plot(x_axis_data, reward_demaddpg15, color='#FF774A', alpha=0.8, label='$1*10^{-6}$')
ax.plot(x_axis_data, reward_demaddpg20, color='#575B20', alpha=0.8, label='$5*10^{-7}$')
ax.plot(x_axis_data, reward_demaddpg25, color='#B84D37', alpha=0.8, label='$1*10^{-7}$')
ax.legend(loc="lower right")
ax.set_xlabel('Episodes')
ax.set_ylabel('Total reward')
复制代码
其中fig, ax = plt.subplots(a,b)用来控制子图个数：a为行数，b为列数。
效果图如下：
4.嵌入局部放大图的坐标系
axins = inset_axes(ax, width="40%", height="30%", loc='lower left',
bbox_to_anchor=(0.3, 0.1, 1, 1),
bbox_transform=ax.transAxes)
复制代码
参数解释如下：
ax：父坐标系
width, height：子坐标系的宽度和高度(百分比形式或者浮点数个数)
loc：子坐标系的位置
bbox_to_anchor：边界框，四元数组(x0, y0, width, height)
bbox_transform：从父坐标系到子坐标系的几何映射
axins：子坐标系
固定坐标系的宽度和高度以及边界框，分别设置loc为左上、左下、右上(默认)、右下和中间，效果图如下：
效果图如下：
另外有一种更加简洁的子坐标系嵌入方法：
axins = ax.inset_axes((0.2, 0.2, 0.4, 0.3))
复制代码
ax为父坐标系，后面四个参数同样是(x0, y0, width, height)，上述代码的含义是：以父坐标系中的x0=0.2*x，y0=0.2*y为左下角起点，嵌入一个宽度为0.2*x，高度为0.3*y的子坐标系，其中x和y分别为父坐标系的坐标轴范围。效果如下图所示：
5.在子坐标系中绘制原始数据
axins.plot(x_axis_data, reward_demaddpg5, color='#4169E1', alpha=0.8, label='$1*10^{-5}$')
axins.plot(x_axis_data, reward_demaddpg10, color='#848484', alpha=0.8, label='$5*10^{-6}$')
axins.plot(x_axis_data, reward_demaddpg15, color='#FF774A', alpha=0.8, label='$1*10^{-6}$')
axins.plot(x_axis_data, reward_demaddpg20, color='#575B20', alpha=0.8, label='$5*10^{-7}$')
axins.plot(x_axis_data, reward_demaddpg25, color='#B84D37', alpha=0.8, label='$1*10^{-7}$')
复制代码
效果如下：
6.设置放大区间，调整子坐标系的显示范围
# 设置放大区间
zone_left = 100
zone_right = 150
# 坐标轴的扩展比例(根据实际数据调整)
x_ratio = 0 # x轴显示范围的扩展比例
y_ratio = 0.05 # y轴显示范围的扩展比例
# X轴的显示范围
xlim0 = x_axis_data[zone_left]-(x_axis_data[zone_right]-x_axis_data[zone_left])*x_ratio
xlim1 = x_axis_data[zone_right]+(x_axis_data[zone_right]-x_axis_data[zone_left])*x_ratio
# Y轴的显示范围
y = np.hstack((reward_demaddpg5[zone_left:zone_right], reward_demaddpg10[zone_left:zone_right],
reward_demaddpg15[zone_left:zone_right],reward_demaddpg20[zone_left:zone_right],
reward_demaddpg25[zone_left:zone_right]))
ylim0 = np.min(y)-(np.max(y)-np.min(y))*y_ratio
ylim1 = np.max(y)+(np.max(y)-np.min(y))*y_ratio
# 调整子坐标系的显示范围
axins.set_xlim(xlim0, xlim1)
axins.set_ylim(ylim0, ylim1)
复制代码
效果如下：
7. 建立父坐标系与子坐标系的连接线
# 原图中画方框
tx0 = xlim0
tx1 = xlim1
ty0 = ylim0
ty1 = ylim1
sx = [tx0,tx1,tx1,tx0,tx0]
sy = [ty0,ty0,ty1,ty1,ty0]
ax.plot(sx,sy,"black")
# 画两条线
xy = (xlim0,ylim0)
xy2 = (xlim0,ylim1)
con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data",
axesA=axins,axesB=ax)
axins.add_artist(con)
xy = (xlim1,ylim0)
xy2 = (xlim1,ylim1)
con = ConnectionPatch(xyA=xy2,xyB=xy,coordsA="data",coordsB="data",
axesA=axins,axesB=ax)
axins.add_artist(con)
复制代码
画方框
使用了画连接方框四个顶点的四条线段就可以了，从某个点绕个圈再回到起点，就画出了方框，使用pyplot(x,y)，还可以方便地指定颜色，线宽等。
画跨子图的线
这里使用连接线，在matplotlib.patches有一个ConnectionPatch类型，就是用的这个，它可以用在一个或多个子图之间画线。
con = ConnectionPatch(xyA,xyB,coordsA,coordsB, axesA,axesB)
这里xyA是子图里面的点，xyB是主图里面的点，coordsA和coordsB默认值"data"，也不用改，然后就是axesA要添加子图，axesB为要连接的主图。
axins.add_artist(con)
最后将连接线添加进子图。注意是子图不是主图。
效果图如下：
小结
以上就是局部放大图的画法，最后的方框和线的画法不止一种，这里只是找了比较简单直接的一种。
希望对你有帮助。
具体数据由于来自未发表的论文，所以不方便公布。