【自定义函数】配置matplotlib生成图形的属性（含源代码）

一时失言乱红尘 2023-09-27 12:19 114阅读 0赞

为了增强可解释性，我们有时会选择使用matplotlib，这是Python中流行的绘图库，要配置matplotlib生成图形的属性，我们需要定义几个函数。

首先第一个是`use_svg_display`函数，我们使用这个函数指定matplotlib输出svg图表以获得更清晰的图像。

def use_svg_display(self):
        backend_inline.set_matplotlib_formats('svg')

我们定义`set_figsize`函数来设置图表大小：

def set_figsize(figsize=(3.5, 2.5)):  #@save
        """设置matplotlib的图表大小"""
        use_svg_display()
        plt.rcParams['figure.figsize'] = figsize

下面的`set_axes`函数用于设置由matplotlib生成图表的轴的属性:

def set_axes(axes, xlabel, ylabel, xlim, ylim, xscale, yscale, legend):
        """设置matplotlib的轴"""
        axes.set_xlabel(xlabel)
        axes.set_ylabel(ylabel)
        axes.set_xscale(xscale)
        axes.set_yscale(yscale)
        axes.set_xlim(xlim)
        axes.set_ylim(ylim)
        if legend:
            axes.legend(legend)
        axes.grid()

通过这三个用于图形配置的函数，我们定义了plot函数来简洁地绘制多条曲线。

def plot(X, Y=None, xlabel=None, ylabel=None, legend=None, xlim=None,
             ylim=None, xscale='linear', yscale='linear',
             fmts=('-', 'm--', 'g-.', 'r:'), figsize=(3.5, 2.5), axes=None):
        """绘制数据点"""
        if legend is None:
            legend = []
    
        set_figsize(figsize)
        axes = axes if axes else d2l.plt.gca()
    
        # 如果X有一个轴，输出True
        def has_one_axis(X):
            return (hasattr(X, "ndim") and X.ndim == 1 or isinstance(X, list)
                    and not hasattr(X[0], "__len__"))
    
        if has_one_axis(X):
            X = [X]
        if Y is None:
            X, Y = [[]] * len(X), X
        elif has_one_axis(Y):
            Y = [Y]
        if len(X) != len(Y):
            X = X * len(Y)
        axes.cla()
        for x, y, fmt in zip(X, Y, fmts):
            if len(x):
                axes.plot(x, y, fmt)
            else:
                axes.plot(y, fmt)
        set_axes(axes, xlabel, ylabel, xlim, ylim, xscale, yscale, legend)

到此，我们定义完了新的matplotlib。我们把其归结为一个类：

import math
    import time
    import numpy as np
    import torch
    from d2l import torch as d2l
    import matplotlib.pyplot as plt
    from matplotlib_inline import backend_inline
    
    class Plot:
        def __init__(self):
            return None
        
        # 使用svg格式显示绘图
        def use_svg_display(self):
            backend_inline.set_matplotlib_formats('svg')
    
        # 设置matplotlib的图表大小
        def set_figsize(self, figsize=(12,8)):
            self.use_svg_display()
            plt.rcParams['figure.figsize'] = figsize
    
        # 设置matplotlib的轴
        def set_axes(self, axes, xlabel, ylabel, xlim, ylim, xscale, yscale, legend):
            axes.set_xlabel(xlabel)
            axes.set_ylabel(ylabel)
            axes.set_xlim(xlim)
            axes.set_ylim(ylim)
            axes.set_xscale(xscale)
            axes.set_yscale(yscale)
            if legend:
                axes.legend(legend)
            axes.grid()
    
        # 定义plot函数来实现绘图功能
        def plot(self, X, Y=None, xlabel=None, ylabel=None, legend=None, xlim=None, ylim=None, xscale='linear', yscale='linear',
                 fmts=('-','m--','g-','r:'), figsize=(12,8), axes=None):
            # 绘制数据点
            if legend is None:
                legend = []
            self.set_figsize(figsize)
            axes = axes if axes else d2l.plt.gca()
    
            # 如果X有一个轴，输出为True
            def has_one_axis(X):
                return (hasattr(X, 'ndim') and X.ndim == 1 or isinstance(X, list) and not hasattr(X[0], '__len__'))
            if has_one_axis(X):
                X=[X]
            if Y is None:
                X,Y=[[]]*len(X),X
            elif has_one_axis(Y):
                Y=[Y]
            if len(X) != len(Y):
                X = X*len(Y)
            axes.cla()
            for x,y,fmt in zip(X, Y, fmts):
                if len(x):
                    axes.plot(x, y, fmt)
                else:
                    axes.plot(y, fmt)
            self.set_axes(axes, xlabel, ylabel, xlim, ylim, xscale, yscale, legend)

我们举一个例子：

if __name__ == '__main__':
        def demo_1():
            # 计算正态分布
            def normal(x, mu, sigma):
                p = 1/math.sqrt(2*math.pi*sigma**2)
                return p*np.exp(-0.5/sigma**2*(x-mu)**2)
            x = np.arange(-7, 7, 0.01)
            params = [(0,1), (0,2), (3,1)]
            estimator = Plot()
            estimator.plot(x, [normal(x,mu,sigma) for mu,sigma in params], xlabel='x', ylabel='p(x)', figsize=(12, 8), legend=[f'mean {
          mu},std {
          sigma}'for mu,sigma in params])
            plt.show()
        demo_1()

结果展示为：  
![在这里插入图片描述][448b15f6f54142daabb366231c59f472.png]

[448b15f6f54142daabb366231c59f472.png]: https://img-blog.csdnimg.cn/448b15f6f54142daabb366231c59f472.png