循环中使用plt.savefig保存多个图片,曲线叠加

问题描述:

利用plt.plot对多维数组进行画图时,使用plt.savefig保存的图片出现曲线叠加:
这里有两组曲线
可以看出,这里有两组曲线。

图像示例代码

a=np.random.randint(0,10,size=[3,4,10])
b = np.linspace(0,1,num=10)

for i in range(a.shape[0]):
    for j in range(a.shape[1]):
        plt.plot(a[i][j], b, label='a{}'.format(j))
    plt.xlabel('this is x')
    plt.ylabel('this is y')
    plt.title('this is a demo')
    plt.legend(loc='lower left', fontsize='small')
    plt.savefig('a{}.png'.format(i), bbox_inches='tight')
    # plt.close() # 问题解决,添加plt.close

问题解决

在plt.savefig()之后添加plt.close(),将此次循环中的fig关闭,下次循环时打开新的fig,这样保存的图片就不是在原来的基础上再绘制的图片了。
在这里插入图片描述

其他

  • 在测试例子的时候发现,如果在plt.savefig(),之后进行plt.show()的话,保存的图片也是正常的。因为show展示的图片你会叉掉,关闭了fig,和plt.close()一样的效果。
  • plt.show()之后再plt.savefig()的话,保存的是全白图
帮我写一个python脚本,读csv文件的 metrics/accuracy_top1 ,然后将数值×0.85 后 ,绘制出科研曲线图。样式请参考如下代码:file_paths = [ "/root/autodl-tmp/YOLOv8-Magic/ultralytics-8.3.12/runs/train/MobileViT-tiny-8/results.csv", "/root/autodl-tmp/YOLOv8-Magic/ultralytics-8.3.12/runs/train/MobileViT-tiny2/results.csv", "/root/autodl-tmp/YOLOv8-Magic/ultralytics-8.3.12/runs/train/Ours/results.csv", "/root/autodl-tmp/YOLOv8-Magic/ultralytics-8.3.12/runs/train/resnet18/results.csv", ] import pandas as pd import matplotlib.pyplot as plt from scipy.ndimage import gaussian_filter1d # ================= 核心参数 ================= SMOOTH_FACTOR = 1 # 平滑系数调节(0-5) LABELS = ["Baseline", "Model A", "Model B", "Model C"] FOCUS_YLIM = (3, 2.65) # 纵轴显示范围(根据实际loss范围调整) FOCUS_XLIM = (0, 100) SAVE_DPI = 300 # ================= 创建画布 ================= plt.figure(figsize=(8, 5)) ax = plt.gca() # ================= 数据处理 ================= def process_data(path): df = pd.read_csv(path) df = df[['epoch', 'val/loss']].dropna() # 修改为验证损失 df = df[df['epoch'] <= 100] # 应用高斯平滑(注意:损失值不需要百分比转换) df['smooth'] = gaussian_filter1d(df['val/loss'], sigma=SMOOTH_FACTOR) return df # ================= 可视化逻辑 ================= for i, path in enumerate(file_paths): df = process_data(path) color = plt.cm.tab10(i) ax.plot(df['epoch'], df['smooth'], color=color, lw=2, label=f'{LABELS[i]}') # ================= 轴系配置 ================= ax.set_ylim(*FOCUS_YLIM) # 设置loss显示区间 ax.set_xlim(*FOCUS_XLIM) ax.grid(alpha=0.4) ax.invert_yaxis() # 损失值通常纵轴向下显示更好 # ================= 样式优化 ================= plt.ylabel("Validation Loss", fontsize=12) plt.xlabel("Epoch", fontsize=12) plt.legend(loc='upper right') # 图例位置调整到右上角 # ================= 输出控制 ================= plt.tight_layout() plt.savefig('val_loss_comparison.png', dpi=SAVE_DPI, bbox_inches='tight') plt.show()
03-10
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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