截取部分数据作图（个人笔记）

原图如下。看不清细节，想放大局部图像。

• 方法1 切片

  截取部分图像显示

换了横坐标。
原图

截取部分图像

import matplotlib.pyplot as plt
import numpy as np
import h5py

if __name__ == '__main__':
    f = h5py.File("data.hdf5", "r")
    keys = f.keys()
    pulse = []
    time = []
    for e in f['pulse']:
        pulse.append(e)
    for e in f['time']:
        time.append(e)
    print("the len of pulse is %d" % (len(pulse)))
    print("the len of time is %d" % (len(time)))

    pulse = np.array(pulse)
    
    plt.figure()
    
    # # 时间为横轴，单位转换复杂 不知道抽样频率。 如果以样本数量为横轴，刚好对应
    # plt.plot(time, pulse)
    # plt.xlabel('time')  # 时间60s
    # plt.ylabel('pulse')
    # plt.title('time-pulse')  # 添加图片标题

    # # 以样本数量为横轴，刚好对应
    # plt.plot(np.arange(len(pulse)), pulse)
    # plt.xlabel('Number of samples')  # 样本数量 len(pulse)=len(time)
    # plt.ylabel('pulse')
    # plt.title('Number of samples-pulse')  # 添加图片标题

    #显示部分图像
    # plt.plot(time[100:2001], pulse[100:2001])
    # plt.xlabel('time')
    plt.plot(np.arange(len(pulse))[100:2001], pulse[100:2001])
    plt.xlabel('Number of samples')
    
    plt.ylabel('pulse')
    plt.title('Number of samples-pulse')  # 添加图片标题
    
    plt.show()
    exit()

• 方法2 左下角空白处画一个部分放大的子图
  

# -*- coding: utf-8 -*-
# 画放大子图
import h5py
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.inset_locator import mark_inset
from mpl_toolkits.axes_grid1.inset_locator import inset_axes


# 准备数据
f = h5py.File("data.hdf5", "r")
keys = f.keys()
pulse = []
time = []
for e in f['pulse']:
    pulse.append(e)
for e in f['time']:
    time.append(e)

# x1 = time
# y1 = pulse
x = np.arange(len(pulse))
y = np.array(pulse)

# 绘图
fig, ax = plt.subplots(1, 1, figsize=(6, 10))
ax.plot(x, y, 'r', label='pulse') # 画线并添加图例legend
#  翻阅matplotlib的官方API手册发现ax根本没有title这个接口，正确的接口是set_title。所以，ax.title → ax.set_title
ax.set_title("Number of samples_pulse")

# 嵌入绘制局部放大图的坐标系
axins = inset_axes(ax, width="40%", height="30%", loc='lower left',
                   bbox_to_anchor=(0.5, 0.1, 1, 1),
                   bbox_transform=ax.transAxes)

# # 在子坐标系中绘制原始数据
axins.plot(x, y, 'r')

# 设置放大区间
zone_left = 2000
zone_right = 2800

# 坐标轴的扩展比例（根据实际数据调整）
x_ratio = 1.0  # x轴显示范围的扩展比例
y_ratio = 0.3  # y轴显示范围的扩展比例

# X轴的显示范围
xlim0 = x[zone_left] - (x[zone_right] - x[zone_left]) * x_ratio
xlim1 = x[zone_right] + (x[zone_right] - x[zone_left]) * x_ratio

# # Y轴的显示范围
y = np.hstack(y[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)

# 建立父坐标系与子坐标系的连接线
# loc1 loc2: 坐标系的四个角
# 1 (右上) 2 (左上) 3(左下) 4(右下)
mark_inset(ax, axins, loc1=3, loc2=1, fc="none", ec='k', lw=1)

# 显示
plt.show()

参考博文
另一篇类似博文

• 方法3 限制x显示范围

plt.xlim(0, 0.3)