有时候为了直观展现图的信息,可以在大图中添加小子图的方式进行数据分析,如下图所示:
具体的代码如下:该图连接了数据库,当然重要的不是数据展示,而是添加子图的方法。
import matplotlib.pyplot as plt import MySQLdb as mdb import numpy as np from mpl_toolkits.axes_grid1.inset_locator import inset_axes from mpl_toolkits.axes_grid1.inset_locator import mark_inset def graph(): # 连接数据库 conn = mdb.connect(host='127.0.0.1', port=3306, user='root', passwd='root', db='alibaba_trace', charset='utf8') # 如果使用事务引擎,可以设置自动提交事务,或者在每次操作完成后手动提交事务conn.commit() conn.autocommit(1) # conn.autocommit(True) # 使用cursor()方法获取操作游标 cursor = conn.cursor() # 因该模块底层其实是调用CAPI的,所以,需要先得到当前指向数据库的指针。 try: cursor.execute("select machineID, count(id) from batch_instance where machineID != 0 group by machineID") records = cursor.fetchall() list_records = list(records) except: import traceback traceback.print_exc() # 发生错误时回滚 conn.rollback() finally: # 关闭游标连接 cursor.close() # 关闭数据库连接 conn.close() res = [] res[:] = map(list, list_records) machineID = [x[0] for x in res] instance_num = [x[1] for x in res] print(max(instance_num)) print(min(instance_num)) fig = plt.figure() ax1 = fig.add_subplot(1, 1, 1) # # cdf # hist, bin_edges = np.histogram(instance_num, bins=len(np.unique(instance_num))) # cdf = np.cumsum(hist / sum(hist)) # ax1.plot(bin_edges[1:], cdf, color='red', ls='-') # ax1.set_xlabel("instance number per machine") # ax1.set_ylabel("portion of machine") # plt.savefig('../../imgs_mysql/cdf_of_machine_instance.png') # # 直方图 ax1.hist(instance_num, normed=False, alpha=1.0, bins=100) ax1.set_xlabel('instance number per machine') ax1.set_ylabel('machine number') # cdf 要添加的子图 axins = inset_axes(ax1, width=1.5, height=1.5, loc='upper left') # ax1 大图 # width height分别为子图的宽和高 # loc 为子图在大图ax1中的相对位置 相应的值有 # upper left # lower left # lower right # right # center left # center right # lower center # upper center # center hist, bin_edges = np.histogram(instance_num, bins=len(np.unique(instance_num))) cdf = np.cumsum(hist / sum(hist)) axins.plot(bin_edges[1:], cdf, color='red', ls='-') axins.set_yticks([]) # axins.set_xlabel("instance number per machine") # axins.set_ylabel("portion of machine") plt.savefig("../../imgs_mysql/hist_of_machine_instance") plt.show() if __name__ == '__main__': graph()
以上这篇python 实现在一张图中绘制一个小的子图方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
标签:
python,绘制,子图
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com
暂无“python 实现在一张图中绘制一个小的子图方法”评论...
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。
更新日志
2025年01月11日
2025年01月11日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]