使用python将作图并将局部放大

最新推荐文章于 2024-09-26 08:30:00 发布
原创 最新推荐文章于 2024-09-26 08:30:00 发布 · 2.2k 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #开发语言

此程序主要特点：

1、使用python画实验结果图

2、想要对大图的局部进行放大

3、有两个子图

4、子图和原图的横坐标都使用标签而不是原始的数据

代码和注释如下：


import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import openpyxl as xl
from mpl_toolkits.axes_grid1.inset_locator import mark_inset

excel_file  = xl.load_workbook('D:\Hnu\Project5 CP\实验结果\\baseline选择.xlsx')
sheet_name = 'Scalability'  #对应的sheet的名称
sheet = excel_file[sheet_name] # 定位excel中具体的表单
data = pd.DataFrame(sheet.values)# 提取表单中的具体数据所在的行和列
selected_data = data.iloc[23:28,1:11]
print(selected_data)
fig, ax = plt.subplots(figsize=(9, 8))#用来控制图片的大小
#设定图片中文字和标签大小的参数
fontsize = 12

# 绘制柱状图,正常坐标,第一个参数是横坐标
# 第二参数，是纵坐标数据，注意11，12，13是列名，是从excel读来的绝对列名，不是selected_data的相对列数
ax.plot(selected_data.iloc[:,0], selected_data[2],marker='o', label='order=4,dim=100')
ax.plot(selected_data.iloc[:,0], selected_data[3],marker='v', label='order=4,dim=1000')
ax.plot(selected_data.iloc[:,0], selected_data[4],marker='d',label='order=3,dim=1000')
ax.plot(selected_data.iloc[:,0], selected_data[5],marker='*',label='order=5,dim=100')
ax.plot(selected_data.iloc[:,0], selected_data[6],marker='s',label='order=5,dim=1000')
ax.plot(selected_data.iloc[:,0], selected_data[7],marker='^',label='order=6,dim=100')
ax.plot(selected_data.iloc[:,0], selected_data[8],marker='h',label='order=6,dim=1000')
ax.plot(selected_data.iloc[:,0], selected_data[9],marker='x',label='order=7,dim=100')
ax.plot(selected_data.iloc[:,0], selected_data[10],marker='+',label='order=7,dim=1000')
#ax.plot(selected_data.iloc[:,1], selected_data[4],color='blue',marker='p',label='GTA')
#ax.plot(selected_data.iloc[:,0], selected_data[5],color='red',marker='*',label='CL_tucker')

#ax.set_yscale('log', basey=10)#设置柱子的纵坐标为对数刻度
#ax.set_yscale('log')#设置柱子的纵坐标为对数刻度

#plt.text(6+1.2,selected_data.iloc[4,5]-0.2, 'A ({:.1f}X)'.format(selected_data.iloc[4,5]), fontsize = 12,ha = 'center')
#plt.text(6+0.3,selected_data.iloc[4,2]+0.4, 'B({:.1f}X)'.format(selected_data.iloc[4,2]), fontsize = 12,ha = 'center')
#plt.text(3,selected_data.iloc[2,1]+0.5, '{:.1f}x'.format(selected_data.iloc[2,3]/selected_data.iloc[2,1]), fontsize = 7,ha = 'center')
#plt.text(4-0.1,selected_data.iloc[3,1]+2, '{:.1f}x'.format(selected_data.iloc[3,3]/selected_data.iloc[3,1]), fontsize = 7,ha = 'center')
#plt.text(5-0.1,selected_data.iloc[4,1]+10, '{:.1f}x'.format(selected_data.iloc[4,3]/selected_data.iloc[4,1]), fontsize = 7,ha = 'center')

# 设置图表标题和轴标题
#plt.title('N = 4 , I_n = 1000')
#plt.title('Enron',fontsize = 12)
plt.xlabel('The number of nonzeros of the input tensor',fontsize=12)
plt.ylabel('Fit',fontsize=12)

# 设置图例
plt.legend(loc='best', ncol=1,fontsize=12)#设置图例的位置和列数

#横坐标为作图数据的时候，设置横纵坐标的显示范围,和刻度间隔
#ax.set_xlim([0.08, 10.5]) #设置坐标显示范围
#xtick_interval = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]#设置刻度间隔
#ax.set_xticks(ticks=xtick_interval)
#ax.set_ylim([0.5, 1.4]) #设置坐标显示范围

#横坐标的刻度不显示作图所用的数据的时候，可以配合plt.xticks显示此处设置的标签
labels = ['1K','10K','100K','1M','10M']
positions = selected_data.iloc[:,0].tolist()
plt.xticks(positions , labels,fontsize = fontsize)  #使得标签现实的是给定的文字标签

#plt.xticks(x, fontsize=12, rotation=45,loc='inside')#设置标签的文字大小和旋转方向
plt.yticks(fontsize= fontsize)


#以下代码是为了绘制局部放大图
#第一步，嵌入绘制局部放大图的坐标系
axins = ax.inset_axes((0.08, 0.05, 0.25, 0.25))
#上述代码的含义是：以父坐标系中的x0=0.2x，y0=0.2y为左下角起点，嵌入一个宽度为0.4x，高度为0.3y的子坐标系，其中x和y分别为父坐标系的坐标轴范围。
axins.plot(selected_data.iloc[:,0], selected_data[2],marker='o', label='order=4,dim=100')
axins.plot(selected_data.iloc[:,0], selected_data[3],marker='v', label='order=4,dim=1000')
axins.plot(selected_data.iloc[:,0], selected_data[4],marker='d',label='order=3,dim=1000')
axins.plot(selected_data.iloc[:,0], selected_data[5],marker='*',label='order=5,dim=100')
axins.plot(selected_data.iloc[:,0], selected_data[6],marker='s',label='order=5,dim=1000')
axins.plot(selected_data.iloc[:,0], selected_data[7],marker='^',label='order=6,dim=100')
axins.plot(selected_data.iloc[:,0], selected_data[8],marker='h',label='order=6,dim=1000')
axins.plot(selected_data.iloc[:,0], selected_data[9],marker='x',label='order=7,dim=100')
axins.plot(selected_data.iloc[:,0], selected_data[10],marker='+',label='order=7,dim=1000')
#设置局部放大后的显示范围
x_ratio = 0.3  # x轴显示范围的扩展比例
y_ratio = 0.6  # y轴显示范围的扩展比例
#设置x轴的显示范围
xlim0 = selected_data.iloc[:,0][25] - 0.2
xlim1 = selected_data.iloc[:,0][25] + 0.2
#这里的25来源于我们从excel种读取数据后，python人认为我们读取的是1到11列，23到28行
#而25行就是我们图中的横坐标方向上的第三个数据值（1K，10K,100K），就是我们想要放大的数据的横坐标的坐标值
#设置Y轴的显示范围
y = np.hstack((selected_data.iloc[2,1],selected_data.iloc[2,4],selected_data.iloc[2,6],selected_data.iloc[2,8]))
#我们想要放大的四个数据（原始数据的纵坐标值）的组成一个数组，找出其中最大的和最小的，进行纵坐标范围的确定
ylim0 = np.min(y) - (np.max(y) - np.min(y)) * y_ratio
ylim1 = np.max(y) + (np.max(y) - np.min(y)) * y_ratio
# 调整子坐标系的显示范围
axins.set_xlim(xlim0, xlim1)
axins.set_ylim(ylim0, ylim1)
# 建立父坐标系与子坐标系的连接线
# loc1 loc2: 坐标系的四个角
# 1 (右上) 2 (左上) 3(左下) 4(右下)
mark_inset(ax, axins, loc1=4, loc2=1, fc="none", ec='gray', lw=1.5,linestyle='--')

axins_labels = ['10K','100K','1M']#设置刻度标签，不设置默认显示的是(xlim0, xlim1)之间的数字
axins.set_xticks([xlim0,(xlim0+xlim1)/2,xlim1])  # 设置刻度位置
axins.set_xticklabels(axins_labels)  # 在对应的刻度位置上打上对应的标签

#画第二个子图
axins1 = ax.inset_axes((0.77, 0.2, 0.2, 0.38))
#上述代码的含义是：以父坐标系中的x0=0.2x，y0=0.2y为左下角起点，嵌入一个宽度为0.4x，高度为0.3y的子坐标系，其中x和y分别为父坐标系的坐标轴范围。
axins1.plot(selected_data.iloc[:,0], selected_data[2],marker='o', label='order=4,dim=100')
axins1.plot(selected_data.iloc[:,0], selected_data[3],marker='v', label='order=4,dim=1000')
axins1.plot(selected_data.iloc[:,0], selected_data[4],marker='d',label='order=3,dim=1000')
axins1.plot(selected_data.iloc[:,0], selected_data[5],marker='*',label='order=5,dim=100')
axins1.plot(selected_data.iloc[:,0], selected_data[6],marker='s',label='order=5,dim=1000')
axins1.plot(selected_data.iloc[:,0], selected_data[7],marker='^',label='order=6,dim=100')
axins1.plot(selected_data.iloc[:,0], selected_data[8],marker='h',label='order=6,dim=1000')
axins1.plot(selected_data.iloc[:,0], selected_data[9],marker='x',label='order=7,dim=100')
axins1.plot(selected_data.iloc[:,0], selected_data[10],marker='+',label='order=7,dim=1000')
#设置局部放大后的显示范围
x_ratio = 0.3  # x轴显示范围的扩展比例
y_ratio = 0.02  # y轴显示范围的扩展比例
#设置x轴的显示范围
xlim00 = selected_data.iloc[:,0][26] - 0.2
xlim10 = selected_data.iloc[:,0][26] + 0.2
#这里的25来源于我们从excel种读取数据后，python人认为我们读取的是1到11列，23到28行
#而25行就是我们图中的横坐标方向上的第四个数据值（1K，10K,100K，1M），就是我们想要放大的数据的横坐标的坐标值
#设置Y轴的显示范围
y1 = np.hstack((selected_data.iloc[3,1],selected_data.iloc[3,2],selected_data.iloc[3,3],selected_data.iloc[3,4],selected_data.iloc[3,5],selected_data.iloc[3,6],selected_data.iloc[3,7],selected_data.iloc[3,8],selected_data.iloc[3,9]))
#我们想要放大的四个数据（原始数据的纵坐标值）的组成一个数组，找出其中最大的和最小的，进行纵坐标范围的确定
ylim00 = np.min(y1) - (np.max(y1) - np.min(y1)) * y_ratio-0.001
ylim10 = np.max(y1) + (np.max(y1) - np.min(y1)) * y_ratio+0.001
# 调整子坐标系的显示范围
axins1.set_xlim(xlim00, xlim10)
axins1.set_ylim(ylim00, ylim10)
# 建立父坐标系与子坐标系的连接线
# loc1 loc2: 坐标系的四个角
# 1 (右上) 2 (左上) 3(左下) 4(右下)
mark_inset(ax, axins1, loc1=2, loc2=4, fc="none", ec='gray', lw=1.5,linestyle='--')

axins1_labels = ['100K','1M','10M']#设置刻度标签，不设置默认显示的是(xlim0, xlim1)之间的数字
axins1.set_xticks([xlim00,(xlim00+xlim10)/2,xlim10])  # 设置刻度位置
axins1.set_xticklabels(axins1_labels)  # 在对应的刻度位置上打上对应的标签



#保存和显示图片，必须先保存，后显示图片
plt.savefig('Scalability_NNZ_Fit.png',dpi=300,bbox_inches='tight')
plt.show()

最终效果：

firefly0721
关注
【Python图像处理局部放大】输入图像，选择两处不同的区域进行放大操作，然后将原始图像、处理后的两个区域以及标记合成新图像进行展示
qq_35831906的博客
10-30 1787
Python图像处理与区域放大连接标记：选择特定区域并对其进行放大操作，然后将原始图像、处理后的两个区域进行标记后的新图像保存到文件中。
【高效科研】超分辨率重建论文实验部分的视觉比较（Visual comparison）—— 制作局部放大图！全代码自动化实现！鼠标框选区域！只需修改图像路径！无需使用PPT或PS！四种方法让你得心应手！
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
05-22 2128
本文将介绍三种制作超分论文实验视觉对比局部放大图的方法。目标1：制作类似SRCNN中图14的局部放大图，SR上有框选的感兴趣区域，放大部分叠在SR的某个角上。此外，下图（图像来自SRFS图1）这种连线的局部放大图也算在目标1中：目标2：绘制SRFS中图17的局部放大图，竖向排列每个模型的局部放大结果，第一列是带框的SR。这里是多个不同的图像，我们的方法可以选择多个不同的框展示在同一列上，原理类似，根据自己需要稍加修改。
【python绘图】绘制局部放大图
qq_63950428的博客
04-02 1403
如下图所示：A、B用于固定局部放大图左下角的位置，C、D指定局部放大图大小。A越大，局部放大图越靠近右边；C、D越大，局部放大图相对于整个画布越大。选中原图中的一小部分矩形区域框出，然后放大，将原图和放大图都绘制在同一个画布上，并将对角线采用直线连接。zoom_array = [0.55, 0.10, 0.4, 0.4] # 即[A,B,C,D]根据局部放大图的位置，这部分参数可能需要调整。# 这里的意思是连接原图中的(x1, y2)点与局部放大图的(0, 0)点。# xyB：局部放大图的顶点坐标。
局部放大图的绘制（Python实现）
m0_71838992的博客
05-23 2069
在复杂的数据分析与科学研究领域，制作局部放大图是一种不可或缺的可视化策略，它在增强数据表达的精确性与深度上扮演着至关重要的角色。面对海量数据点或纷繁复杂的数据结构时，全局视图往往难以细致入微地展现所有关键信息，特别是那些藏匿于庞大背景之下的细微变化与独特特征。通过精心选取并放大数据的特定部分，我们能够突破宏观层面的局限，直接突显出这些精细的结构与模式，使得原本隐匿不显的细节跃然眼前，极大地提升了信息的可察觉性。
科研作图-局部图像放大效果的python实现
zzu_zhong的博客
06-21 4094
当图中想传达的区域太小，而在不裁剪的情况下又想要放大图中的某一部分区域，实现放大镜的效果。比如我想放大这只大冤种狗狗的眼睛，并将放大的结果放置在图中的角落里。达到如下图所示的结果。该如何实现呢？
chatgpt赋能python：Python画局部放大图
a058046的博客
06-24 575
局部放大图是一种通过放大图片中的某一个区域来凸显细节的图像处理技术。这种技术可用于显示局部细节或者帮助用户更好地查看图像的某些部分。通常，局部放大图会包括两个部分：一个小图像和一个放大了的图片区域，如下图所示：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Bs8J7B7y-1687544013203)(https://i.loli.net/2021/03/28/C9fGzSg6U5AOWJj.png)]本文由chatgpt生成，文章没有在chatgpt。
Python 绘制局部放大图
北屿的博客
03-10 4118
【Python】Matplotlib局部放大图画法这篇文章已经非常详细，但是没有数据，所以自己生成了一些数据，以及对部分代码进行了函数封装，以便于二次使用。请务必先看此文章：这篇文章已经非常详细，但是没有数据，所以自己生成了一些数据，以及对部分代码进行了函数封装，以便于二次使用。
python绘图局部放大函数
weixin_42909801的博客
12-13 1807
保存一下~一个被美女改过的非常好使的函数
python 作图比例放大
08-07
在Python中，可以使用`inset_axes`函数来实现作图的比例放大。可以根据需要，调整`inset_axes`函数中的参数来设置缩放图的位置和大小。然后，使用`plot`函数在缩放图中绘制相同的内容，根据需要限制横纵坐标来实现...
python图像局部细节放大
08-21
要实现Python图像局部细节放大，可以使用OpenCV库。以下是一种实现方法： 1. 导入必要的库和模块，例如cv2和sys。 2. 读取图像并判断是否成功读取。 3. 指定需要放大的部分区域，可以通过裁剪图像来选择感兴趣的...
python放大图片和画方格实现算法
09-20
主要为大家详细介绍了python放大图片和画方格实现算法，实现图片的放大缩小功能，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
Python中局部放大图案例
丨汀、的博客
03-26 6376
例子一： 先上完整代码和效果图： import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1.inset_locator import inset_axes from matplotlib.patches import ConnectionPatch MAX_EPISODES = 10000 x_axis_data = [] for l in range(MAX_EPISODES): x
python画图|放大和缩小图像
专注python+工程实践的热心婶子
09-26 2964
学习了图像大放大和缩小技巧，探索了将放大和缩小图放在同一个坐标轴内的技巧。
自学笔记|优美画出python局部放大图
m0_48196258的博客
07-20 1024
【代码】自学笔记|优美画出python局部放大图。
论文高级图表绘制（Python语言，局部放大图）
Deng7326的博客
06-08 2098
本文将通过一个具体的示例，展示如何使用Python语言和Matplotlib库来绘制高级图表，包括局部放大图的制作。适用于多条曲线绘制在同一个图表中，但由于数据量过大，导致曲线的细节看不清，需要对细节进行局部放大。
Python+Matplotlib显示图像并实时局部放大
董付国的Python专栏
12-19 709
开学第一课：一定不要这样问老师Python问题董付国老师Python系列教材推荐与选用参考3000道Python习题免费在线练习================推荐教材：《Python程序设计（第3版）》，（ISBN：978-7-302-55083-9），董付国，清华大学出版社，2020年6月出版，2022年12月第14次印刷（本书第1版印刷1次，第2版印刷17次，已退出历史舞台），山东省一流本科...
【Python】Matplotlib局部放大图画法
weixin_66397563的博客
07-19 1571
【代码】【Python】Matplotlib局部放大图画法。
python画图进行局部放大【理论补充】
总要有点可以骄傲的东西
12-30 657
ax为父坐标系，后面四个参数同样是（x0, y0, width, height），上述代码的含义是：以父坐标系中的x0=0.2x，y0=0.2y为左下角起点，嵌入一个宽度为0.4x，高度为0.3y的子坐标系，其中x和y分别为父坐标系的坐标轴范围。
python放大局部图像（画中画形式展示）
qq_33687272的博客
11-16 3969
import cv2 as cv import sys if __name__ == '__main__': #读取图像并判断是否读取成功 img = cv.imread('tu.jpg') #需要放大的部分 part = img[300:400,250:350] #双线性插值法 mask = cv.resize(part, (300, 300), fx=0, fy=0, interpolation=cv.INTER_LINEAR) if img i
python局部放大图
最新发布
01-20
### 实现Python中图片局部放大的方法 为了实现图像的局部放大效果，可以采用多种方式来完成这一目标。一种常见的方式是利用`matplotlib`库绘制带有插图（即局部放大部分）的整体图形[^1]。 #### 使用Matplotlib创建带局部放大的图表 下面是一段简单的例子，展示了怎样通过五条语句构建一个具有嵌入式子图（用来表示被放大的细节部分）的画面： ```python import matplotlib.pyplot as plt from mpl_toolkits.axes_grid1.inset_locator import zoomed_inset_axes, mark_inset import numpy as np def plot_with_zoom(image_path): fig, ax = plt.subplots() # 加载并显示原图 img = plt.imread(image_path) ax.imshow(img) # 创建缩放窗口 axins = zoomed_inset_axes(ax, 2, loc='upper right') # 放大倍数为2倍，在右上角位置 extent = (0.45*img.shape[1], 0.55*img.shape[1]), (0.45*img.shape[0], 0.55*img.shape[0]) axins.imshow(img, extent=[*extent[0], *extent[1]]) # 设置放大区域边界框以及连接线样式 mark_inset(ax, axins, loc1=2, loc2=4, fc="none", ec="blue") plot_with_zoom('dog.jpg') plt.show() ``` 此代码片段首先加载了一张名为'dog.jpg'的照片作为背景，并在其基础上添加了一个位于右上方的小视窗专门用于呈现选定区域内经过放大的景象；同时还在两者之间画出了指示性的线条以便于观察者理解它们之间的对应关系[^3]。 对于更复杂的场景下可能涉及到多个不同位置的同时放大或是其他自定义需求，则可以根据实际情况调整上述模板中的参数设置或引入额外的功能模块来进行扩展[^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值