机器学习之numpy和matplotlib学习(六)
来源:互联网 发布:域名为什么要认证 编辑:程序博客网 时间:2024/06/05 08:56
今天来讲一下昨天遗留下来的问题———plt.tight_layout()的作用。
tight英文翻译过来是紧的意思,tight_layout也是就固定布局的意思。
为什么需要固定布局呢?参考官方文档http://matplotlib.org/users/tight_layout_guide.html。
学习机器学习一定要多参考官方文档,不知道的东西自己试一试就知道了。
下面是结合官方文档的教学。
When you have multiple subplots, often you see labels of different axes overlapping each other.
翻译过来:
就是当你有很多的子图的时候,你的子图的lable可能会重叠起来。
什么是重叠起来呢?看下面图片:
所以plt.tight_layout()函数就是绑定布局,防止因为拉伸布局而使得lable重叠起来。
参考官方的代码改成的例子。
去掉了一些我们还没有学习的函数【因为有和没有基本没有区别。】
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : SundayCoder-俊勇# @File : figure6.pyimport matplotlib.pyplot as pltimport numpy as npdef example_plot(ax, fontsize=12): ax.plot([1, 2]) ax.set_xlabel('x-label', fontsize=fontsize) ax.set_ylabel('y-label', fontsize=fontsize) ax.set_title('Title', fontsize=fontsize)fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2)example_plot(ax1)example_plot(ax2)example_plot(ax3)example_plot(ax4)plt.show()
这个运行结果就会出现第一幅图片中lable重叠的效果。
黑魔法来了,使用plt.tight_layout()。
在plt.show()这句代码之前加上plt.tight_layout()
。
效果立即不一样【你可以自己拉伸试一下】
得到的就是一个比较好的效果。
为了方便,还是把代码全贴出来:
#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author : SundayCoder-俊勇# @File : figure6.pyimport matplotlib.pyplot as pltimport numpy as npdef example_plot(ax, fontsize=12): ax.plot([1, 2]) ax.set_xlabel('x-label', fontsize=fontsize) ax.set_ylabel('y-label', fontsize=fontsize) ax.set_title('Title', fontsize=fontsize)fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2)example_plot(ax1)example_plot(ax2)example_plot(ax3)example_plot(ax4)plt.tight_layout()plt.show()
更新完毕
阅读全文
0 0
- 机器学习之numpy和matplotlib学习(六)
- 机器学习之numpy和matplotlib学习(一)
- 机器学习之numpy和matplotlib学习(二)
- 机器学习之numpy和matplotlib学习(三)
- 机器学习之numpy和matplotlib学习(四)
- 机器学习之numpy和matplotlib学习(五)
- 机器学习之numpy和matplotlib学习(七)
- 机器学习之numpy和matplotlib学习(八)
- 机器学习之numpy和matplotlib学习(九)
- 机器学习之numpy和matplotlib学习(十)
- 机器学习之numpy和matplotlib学习(十一)
- 机器学习之numpy和matplotlib学习(十二)
- 机器学习之numpy和matplotlib学习(十三)
- 机器学习之numpy和matplotlib学习(十四)
- 机器学习之numpy和matplotlib学习(十四)
- 机器学习之numpy和matplotlib学习(十五)
- 机器学习绘图(numpy和matplotlib库)
- Tang机器学习课程笔记之六(Numpy库)
- JavaScript 学习
- 基于级联分类器的目标检测objdect
- 多个18B20组成测温系统
- Android7.0文件操作之FileProvider
- 实践Demo:基于MapReduce的PageRank网页排序
- 机器学习之numpy和matplotlib学习(六)
- Java+maven+selenium+testng+jenkins自动化环境搭建
- 排序
- Android 中Imageloader缓存+Banner+Httpurl
- npm命令
- 深入解读-小程序SDK
- 算法学习(排序五)堆排序
- DockPanel
- Android Studio 导入项目时Gradle遇到的一些问题