在作對比實驗中，除了對總體形狀的對比，在不少狀況下都須要對某一局部的數據進行放大，來觀察更加精細的對比效果。算法
工具數組
Python的Matplotlib庫函數網絡
步驟
一、導入依賴庫app
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1.inset_locator import inset_axes from matplotlib.patches import ConnectionPatch
二、準備數據框架
reward_demaddpg[] 儲存的是執行demaddpg算法後所得到的300個reward結果。機器學習
所以橫座標設置爲：函數
MAX_EPISODES = 300
x_axis_data = []
for l in range(MAX_EPISODES):
x_axis_data.append(l)
5個對比實驗結果存在5個數組中，分別表示demaddpg算法中設置的不一樣的學習率：工具
三、繪主圖post
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')
其中fig, ax = plt.subplots(a,b)用來控制子圖個數：a爲行數，b爲列數。學習
效果圖以下：
四、嵌入局部放大圖的座標系
axins = inset_axes(ax, width="40%", height="30%", loc='lower left',
bbox_to_anchor=(0.3, 0.1, 1, 1),
bbox_transform=ax.transAxes)
參數解釋以下：
- ax：父座標系
- width, height：子座標系的寬度和高度（百分比形式或者浮點數個數）
- loc：子座標系的位置
- bbox_to_anchor：邊界框，四元數組（x0, y0, width, height）
- bbox_transform：從父座標系到子座標系的幾何映射
- axins：子座標系
固定座標系的寬度和高度以及邊界框，分別設置loc爲左上、左下、右上（默認）、右下和中間，效果圖以下：
效果圖以下：
另外有一種更加簡潔的子座標系嵌入方法：
axins = ax.inset_axes((0.2, 0.2, 0.4, 0.3))
ax爲父座標系，後面四個參數一樣是（x0, y0, width, height） ，上述代碼的含義是：以父座標系中的x0=0.2*x，y0=0.2*y 爲左下角起點，嵌入一個寬度爲0.2x，高度爲0.3y的子座標系，其中x和y分別爲父座標系的座標軸範圍。效果以下圖所示：
五、在子座標系中繪製原始數據
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='$1*10^{-7}$')
效果以下：
六、設置放大區間，調整子座標系的顯示範圍
# 設置放大區間
zone_left = 100
zone_right = 150
# 座標軸的擴展比例（根據實際數據調整）
x_ratio = 0 # x軸顯示範圍的擴展比例
y_ratio = 0.05 # y軸顯示範圍的擴展比例
# X軸的顯示範圍
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軸的顯示範圍
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
# 調整子座標系的顯示範圍
axins.set_xlim(xlim0, xlim1)
axins.set_ylim(ylim0, ylim1)
效果以下：
七、創建父座標系與子座標系的鏈接線
# 原圖中畫方框
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")
# 畫兩條線
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)
畫方框
使用了畫鏈接方框四個頂點的四條線段就能夠了，從某個點繞個圈再回到起點，就畫出了方框，使用pyplot(x,y)，還能夠方便地指定顏色，線寬等。
畫跨子圖的線
這裏使用鏈接線，在matplotlib.patches有一個ConnectionPatch類型，就是用的這個，它能夠用在一個或多個子圖之間畫線。
con = ConnectionPatch(xyA,xyB,coordsA,coordsB, axesA,axesB)
這裏xyA是子圖裏面的點，xyB是主圖裏面的點，coordsA和coordsB默認值"data"，也不用改，而後就是axesA要添加子圖，axesB爲要鏈接的主圖。
axins.add_artist(con)
最後將鏈接線添加進子圖。注意是子圖不是主圖。
效果圖以下：
以上就是局部放大圖的畫法，最後的方框和線的畫法不止一種，這裏只是找了比較簡單直接的一種。 但願對你有幫助。
原文連接： https://juejin.im/post/5eddf7a96fb9a047923a483b
文源網絡，僅供學習之用，若有侵權請聯繫刪除。
在學習Python的道路上確定會碰見困難，別慌，我這裏有一套學習資料，包含40+本電子書，800+個教學視頻，涉及Python基礎、爬蟲、框架、數據分析、機器學習等，不怕你學不會！ https://shimo.im/docs/JWCghr8prjCVCxxK/ 《Python學習資料》
關注公衆號【Python圈子】，優質文章每日送達。