在做對比實驗中，除了對整體形狀的對比，在很多情況下都需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。

工具

Python的Matplotlib庫函數

步驟

1、導入依賴庫

import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1.inset_locator import inset_axes from matplotlib.patches import ConnectionPatch

2、準備數據

reward_demaddpg[]儲存的是執行demaddpg算法后所獲得的300個reward結果。

因此橫坐標設置為：

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算法中設置的不同的學習率：

3、繪主圖

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為行數，b為列數。

效果圖如下：

4、嵌入局部放大圖的坐標系

axins = inset_axes(ax, width="40%", height="30%", loc='lower left',bbox_to_anchor=(0.3, 0.1, 1, 1), bbox_transform=ax.transAxes)

參數解釋如下：

• ax：父坐標系
• width, height：子坐標系的寬度和高度（百分比形式或者浮點數個數）
• loc：子坐標系的位置
• bbox_to_anchor：邊界框，四元數組（x0, y0, width, height）
• bbox_transform：從父坐標系到子坐標系的幾何映射
• axins：子坐標系

固定坐標系的寬度和高度以及邊界框，分別設置loc為左上、左下、右上（默認）、右下和中間，效果圖如下：

效果圖如下：

另外有一種更加簡潔的子坐標系嵌入方法：

axins = ax.inset_axes((0.2, 0.2, 0.4, 0.3))

ax為父坐標系，后面四個參數同樣是（x0, y0, width, height），上述代碼的含義是：以父坐標系中的x0=0.2*x，y0=0.2*y為左下角起點，嵌入一個寬度為0.2x，高度為0.3y的子坐標系，其中x和y分別為父坐標系的坐標軸范圍。效果如下圖所示：

5、在子坐標系中繪制原始數據

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='$1*10^{-7}$')

效果如下：

6、設置放大區間，調整子坐標系的顯示范圍

# 設置放大區間 zone_left = 100 zone_right = 150# 坐標軸的擴展比例（根據實際數據調整） x_ratio = 0 # x軸顯示范圍的擴展比例 y_ratio = 0.05 # y軸顯示范圍的擴展比例# X軸的顯示范圍 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軸的顯示范圍 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# 調整子坐標系的顯示范圍 axins.set_xlim(xlim0, xlim1) axins.set_ylim(ylim0, ylim1)

效果如下：

7、建立父坐標系與子坐標系的連接線

# 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

使用了畫連接方框四個頂點的四條線段就可以了，從某個點繞個圈再回到起點，就畫出了方框，使用pyplot(x,y)，還可以方便地指定顏色，線寬等。

畫跨子圖的線

這里使用連接線，在matplotlib.patches有一個ConnectionPatch類型，就是用的這個，它可以用在一個或多個子圖之間畫線。

con = ConnectionPatch(xyA,xyB,coordsA,coordsB, axesA,axesB)

這里xyA是子圖里面的點，xyB是主圖里面的點，coordsA和coordsB默認值"data"，也不用改，然后就是axesA要添加子圖，axesB為要連接的主圖。

axins.add_artist(con)

最后將連接線添加進子圖。注意是子圖不是主圖。

效果圖如下：

以上就是局部放大圖的畫法，最后的方框和線的畫法不止一種，這里只是找了比較簡單直接的一種。
希望對你有幫助。

原文鏈接：
https://juejin.im/post/5eddf7a96fb9a047923a483b

文源網絡，僅供學習之用，如有侵權請聯系刪除。

在學習Python的道路上肯定會遇見困難，別慌，我這里有一套學習資料，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》

關注公眾號【Python圈子】，優質文章每日送達。

總結

以上是生活随笔為你收集整理的Python中 Matplotlib局部放大图的画法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。