精华内容
下载资源
问答
  • 如何缩放到初始绘图/缩放的特定范围
    2021-03-06 22:30:45

    您可以在figure()调用的最开始处特别设置所需的范围。。。让我们看一个例子:import numpy as np

    from bokeh.sampledata.stocks import AAPL, FB, GOOG, IBM, MSFT

    from bokeh.plotting import *

    output_file("stocks.html", title="stocks.py example")

    left_range = np.datetime64('2000-03-01')

    right_range = np.datetime64('2006-03-01')

    p1 = figure(x_axis_type = "datetime", x_range=[left_range, right_range])

    p1.line(np.array(AAPL['date'], 'M64'), AAPL['adj_close'], color='#A6CEE3', legend='AAPL')

    p1.line(np.array(FB['date'], 'M64'), FB['adj_close'], color='#1F78B4', legend='FB')

    p1.line(np.array(GOOG['date'], 'M64'), GOOG['adj_close'], color='#B2DF8A', legend='GOOG')

    p1.line(np.array(IBM['date'], 'M64'), IBM['adj_close'], color='#33A02C', legend='IBM')

    p1.line(np.array(MSFT['date'], 'M64'), MSFT['adj_close'], color='#FB9A99', legend='MSFT')

    p1.title = "Stock Closing Prices"

    p1.grid.grid_line_alpha=0.3

    p1.xaxis.axis_label = 'Date'

    p1.yaxis.axis_label = 'Price'

    show(p1)

    这里,我刚刚定义了范围的左值和右值:

    ^{pr2}$

    如果你需要更多的帮助,请告诉我。在

    更多相关内容
  • 经过一番资料搜索,不光解决了这个问题还找到了对数缩放的方法,接下来就让我们一起看看吧~坐标轴最小和最大值为了在图表上显示特定区域,可以手动设置坐标轴的最小值和最大值。from openpyxl import Workbookfrom ...

    在使用openpyxl时,坐标轴的调整就难住了小编。经过一番资料搜索,不光解决了这个问题还找到了对数缩放的方法,接下来就让我们一起看看吧~

    坐标轴最小和最大值

    为了在图表上显示特定区域,可以手动设置坐标轴的最小值和最大值。from openpyxl import Workbook

    from openpyxl.chart import (

    ScatterChart,

    Reference,

    Series,

    )

    wb = Workbook()

    ws = wb.active

    ws.append(['X', '1/X'])

    for x in range(-10, 11):

    if x:

    ws.append([x, 1.0 / x])

    chart1 = ScatterChart()

    chart1.title = "Full Axes"

    chart1.x_axis.title = 'x'

    chart1.y_axis.title = '1/x'

    chart1.legend = None

    chart2 = ScatterChart()

    chart2.title = "Clipped Axes"

    chart2.x_axis.title = 'x'

    chart2.y_axis.title = '1/x'

    chart2.legend = None

    chart2.x_axis.scaling.min = 0

    chart2.y_axis.scaling.min = 0

    chart2.x_axis.scaling.max = 11

    chart2.y_axis.scaling.max = 1.5

    x = Reference(ws, min_col=1, min_row=2, max_row=22)

    y = Reference(ws, min_col=2, min_row=2, max_row=22)

    s = Series(y, xvalues=x)

    chart1.append(s)

    chart2.append(s)

    ws.add_chart(chart1, "C1")

    ws.add_chart(chart2, "C15")

    wb.save("minmax.xlsx")

    在某些情况下,如上面代码所示,设置坐标轴范围实际上等同于显示数据的子范围。对于大型数据集,使用Excel或者Open/Libre Office来绘制散点图(可能还有其他)时,选择数据子集方式要比设置坐标轴范围的速度更快。

    对数缩放

    x轴和y轴都可以对数缩放。对数的基可以设置为任何有效的浮点。如果x轴按对数缩放,则将丢弃区域中的负值。from openpyxl import Workbook

    from openpyxl.chart import (

    ScatterChart,

    Reference,

    Series,

    )

    import math

    wb = Workbook()

    ws = wb.active

    ws.append(['X', 'Gaussian'])

    for i, x in enumerate(range(-10, 11)):

    ws.append([x, "=EXP(-(($A${row}/6)^2))".format(row = i + 2)])

    chart1 = ScatterChart()

    chart1.title = "No Scaling"

    chart1.x_axis.title = 'x'

    chart1.y_axis.title = 'y'

    chart1.legend = None

    chart2 = ScatterChart()

    chart2.title = "X Log Scale"

    chart2.x_axis.title = 'x (log10)'

    chart2.y_axis.title = 'y'

    chart2.legend = None

    chart2.x_axis.scaling.logBase = 10

    chart3 = ScatterChart()

    chart3.title = "Y Log Scale"

    chart3.x_axis.title = 'x'

    chart3.y_axis.title = 'y (log10)'

    chart3.legend = None

    chart3.y_axis.scaling.logBase = 10

    chart4 = ScatterChart()

    chart4.title = "Both Log Scale"

    chart4.x_axis.title = 'x (log10)'

    chart4.y_axis.title = 'y (log10)'

    chart4.legend = None

    chart4.x_axis.scaling.logBase = 10

    chart4.y_axis.scaling.logBase = 10

    chart5 = ScatterChart()

    chart5.title = "Log Scale Base e"

    chart5.x_axis.title = 'x (ln)'

    chart5.y_axis.title = 'y (ln)'

    chart5.legend = None

    chart5.x_axis.scaling.logBase = math.e

    chart5.y_axis.scaling.logBase = math.e

    x = Reference(ws, min_col=1, min_row=2, max_row=22)

    y = Reference(ws, min_col=2, min_row=2, max_row=22)

    s = Series(y, xvalues=x)

    chart1.append(s)

    chart2.append(s)

    chart3.append(s)

    chart4.append(s)

    chart5.append(s)

    ws.add_chart(chart1, "C1")

    ws.add_chart(chart2, "I1")

    ws.add_chart(chart3, "C15")

    ws.add_chart(chart4, "I15")

    ws.add_chart(chart5, "F30")

    wb.save("log.xlsx")

    这将生成五个类似的图表:

    五张图使用了相同的数据。其中,第一个图未缩放,第二和三张图分别缩放了X和Y轴,第四张图XY轴均进行了缩放,对数基数设置为10;最后的图表XY轴均进行了缩放,但对数的底设置为e。

    轴线方向

    坐标轴可以正常显示,也可以反向显示。

    轴方向由orientation属性控制,minMax表示正向,maxMin表示反向。from openpyxl import Workbook

    from openpyxl.chart import (

    ScatterChart,

    Reference,

    Series,

    )

    wb = Workbook()

    ws = wb.active

    ws["A1"] = "Archimedean Spiral"

    ws.append(["T", "X", "Y"])

    for i, t in enumerate(range(100)):

    ws.append([t / 16.0, "=$A${row}*COS($A${row})".format(row = i + 3),

    "=$A${row}*SIN($A${row})".format(row = i + 3)])

    chart1 = ScatterChart()

    chart1.title = "Default Orientation"

    chart1.x_axis.title = 'x'

    chart1.y_axis.title = 'y'

    chart1.legend = None

    chart2 = ScatterChart()

    chart2.title = "Flip X"

    chart2.x_axis.title = 'x'

    chart2.y_axis.title = 'y'

    chart2.legend = None

    chart2.x_axis.scaling.orientation = "maxMin"

    chart2.y_axis.scaling.orientation = "minMax"

    chart3 = ScatterChart()

    chart3.title = "Flip Y"

    chart3.x_axis.title = 'x'

    chart3.y_axis.title = 'y'

    chart3.legend = None

    chart3.x_axis.scaling.orientation = "minMax"

    chart3.y_axis.scaling.orientation = "maxMin"

    chart4 = ScatterChart()

    chart4.title = "Flip Both"

    chart4.x_axis.title = 'x'

    chart4.y_axis.title = 'y'

    chart4.legend = None

    chart4.x_axis.scaling.orientation = "maxMin"

    chart4.y_axis.scaling.orientation = "maxMin"

    x = Reference(ws, min_col=2, min_row=2, max_row=102)

    y = Reference(ws, min_col=3, min_row=2, max_row=102)

    s = Series(y, xvalues=x)

    chart1.append(s)

    chart2.append(s)

    chart3.append(s)

    chart4.append(s)

    ws.add_chart(chart1, "D1")

    ws.add_chart(chart2, "J1")

    ws.add_chart(chart3, "D15")

    ws.add_chart(chart4, "J15")

    wb.save("orientation.xlsx")

    这将生成四个图表,其中每个可能的方向组合的轴如下所示:

    小伙伴们可以根据自己的需求,生成不同的图表~如需了解更多python实用知识,点击进入PyThon学习网教学中心。

    展开全文
  • python sklearn 数据预处理 范围缩放 """ 数据预处理 最大最小值缩放 """ import numpy as np import sklearn.preprocessing as sp # 准备数据 raw_samples = np.array([ [17, 90, 4000], [20, 80, 5000], [23, ...

    python sklearn 数据预处理 范围缩放

    """
    数据预处理 最大最小值缩放
    """
    import numpy as np
    import sklearn.preprocessing as sp
    
    # 准备数据
    raw_samples = np.array([
        [17, 90, 4000],
        [20, 80, 5000],
        [23, 75, 5500]
    ])
    
    # 使用函数 范围缩放
    mms = sp.MinMaxScaler(feature_range=(0, 1))
    result = mms.fit_transform(raw_samples)
    print("------------函数实现 范围缩放\n", result)
    
    # 手动实现 范围缩放
    new_samples = []
    for row in raw_samples.T:   # 转置 对列处理
        min_val = np.min(row)
        max_val = np.max(row)
    
        # 整理解方程需要的 A, B  线性回归解方程
        A = np.array([[min_val, 1], [max_val, 1]])
        B = np.array([0, 1])
    
        x = np.linalg.solve(A, B)    # 求解结果 x[0]= k x[1]=b
        new_row = row * x[0] + x[1]  # y = kx + b
        new_samples.append(new_row)
    
    print("---------手动实现 范围缩放\n", np.array(new_samples).T)  # 再次转置 显示结果
    
    

    在这里插入图片描述
    在这里插入图片描述

    展开全文
  • 机器学习中的数据转换-Python Scikit-Learn实现方法...一、数据缩放你的预处理数据集中可能包含各种各样、不同比例的特征字段,比如美元、千克、价格,有的特征列数值范围在100以内,有的却达到几百万,差异很大。...

    机器学习中的数据转换-Python Scikit-Learn实现方法

    我们在建模之前,需要做数据准备。数据准备的过程主要包括3个步骤:数据选择

    数据预处理

    数据转换

    本文会告诉你两种方法,即如何使用Python的Scikit-Learn库进行简单的数据转换。

    一、数据缩放

    你的预处理数据集中可能包含各种各样、不同比例的特征字段,比如美元、千克、价格,有的特征列数值范围在100以内,有的却达到几百万,差异很大。

    很多机器学习模型不希望有这样大的差异,如果数据集各个属性之间的数值差异越小,则模型表现的会越好。这里不一概而论,具体原因小伙伴们自行探索下。

    方法1:数据归一化

    数据归一化是指将原始数据缩放到0和1之间。

    对于依赖于值的大小的模型,这种对输入属性的缩放很管用。比如在K近邻模型的距离测量和回归系数的准备。

    接下来用大名鼎鼎的鸢尾花数据集演示数据归一化的例子。

    # 对鸢尾花数据集进行数据归一化处理.

    from sklearn.datasets import load_iris

    from sklearn import preprocessing

    # 加载数据

    iris = load_iris()

    print(iris.data.shape)

    # 分离原始数据集,分为自变量和因变量

    X = iris.data

    y = iris.target

    # 归一化处理

    normalized_X = preprocessing.normalize(X)

    更多关于归一化处理,详见API

    方法2:数据标准化

    数据标准化是指:数据集中,每个特征列的数值减去其平均值,再除以其标准差,得到均值为0,标准差为1的服从标准正态分布的数据。

    诸如高斯过程等依赖于特征分布的模型,对特征进行标准化是非常有用的。

    依然用鸢尾花的例子。

    # 对鸢尾花数据集进行数据标准化处理.

    from sklearn.datasets import load_iris

    from sklearn import preprocessing

    # 加载数据

    iris = load_iris()

    print(iris.data.shape)

    # 分离原始数据集,分为自变量和因变量

    X = iris.data

    y = iris.target

    # 标准化处理

    standardized_X = preprocessing.scale(X)

    更多关于归一化处理,详见API

    二、说明

    很难知道数据缩放是否会有利于模型的效果,大概率上是有用的,但不排除出现产生负效果。

    中肯的建议是,先建立一个数据缩放后的副本,使用你的算法模型测试对比缩放前后的效果。

    这可以让你快速知道,你的模型中缩放带来的好处或弊端。你也可以试用不同的缩放方法,进行对比。

    三、总结

    数据缩放是一种非常重要的数据转换方法。本文介绍了归一化和标准化两种方法,均用Python Scikit-Learn库提供的方法实现。简单好用,快试试吧!

    展开全文
  • python数值大小缩放

    千次阅读 2020-05-16 11:54:16
    最近需要画一个networkx图,其中边的权重来决定线的粗细。原本数据相差特别大,这就导致有的线很粗有的超级细。 于是我们想把一组数据,映射到另一组,使得它们差距小一点。 这个里面其实有很多方法,比如归一化,...
  • 多维缩放可以为数据集找到一种二维表达形式。算法根据每对数据项之间的差距情况,尝试绘制出一幅图来,图中的各数据项之间的距离远近,对应于它们彼此间的差异程度。以分类聚集算法中的数据为例第一步:计算所有数据...
  • python QT 图片缩放,移动

    千次阅读 多人点赞 2020-05-23 14:35:23
    利用python的QT库搭建图片显示界面,实现图片的拖拽、以鼠标中心缩放等功能。
  • 特征缩放(feature scaling): 改变特征的取值范围缩放到统一的区间,例如[0,1][0, 1][0,1]. 为什么要进行特征缩放? 数据集包含众多特征,每个特征的尺度(scale)不同,有的特征的单位是小时,有的特征的单位是公里...
  • 我只想绘制部分数组,固定x部分,但让y部分自动缩放。我尝试如下所示,但是它不起作用。有什么建议么?import numpy as npimport matplotlib.pyplot as pltdata=[np.arange(0,101,1),300-0.1*np.arange(0,101,1)]plt...
  • python 机器学习之数据预处理与缩放 序 之前我们在接触监督学习时了解到,有一些算法(譬如神经网络和SVM)对于数据的缩放非常敏感。因此,通常的做法是对数据集进行调节,使得数据表示更适合于这些算法。通常来说,...
  • 文章目录前言基于 QChart 缩放的几种方式使用QChartView来缩放使用QChart来平移和缩放使用QValueAxis或者QDateTimeAxis来平移和缩放Qt曲线图表模块QChart库缩放、平移实例 前言 最近使用Qt for python 做了一个图表...
  • python X/Y轴缩放

    2021-09-17 17:44:07
    需求 参考官网:Scales — Matplotlib 3.4.3 documentation 常规画图时,有时候对X轴或者Y轴,希望某个区域可以放大,某个...X轴范围0-100,希望一半区域是0-10,另外一半是10-100 forward和inverse是比例转换及其..
  • 有一个watermark example与...我这样做是因为extent参数会影响ax的最终范围.由于我们希望最终范围由plt.plot(…)控制,让我们把它放在最后.myaximage = ax.imshow(im, aspect='auto', extent=(1,15,0.3,0.7), al...
  • 但可以借助python的opencv 要保证路径是全英文的,这很重要,文件可以不用中文,可以做一些自动名字重命名再改回原来名字的操作。 import os import cv2 import sys #定义图像缩放函数 def...
  • 封面图片:《中学生可以这样学Python》,董付国,应根球著,清华大学出版社==============问题描述:创建窗体,显示一张图片,当改变窗体大小时,自动缩放并显示图片。参考代码:运...
  • import io from PIL import Image, ImageTk import tkinter as tk def resize(w, h, w_box, h_box, pil_image): ''' resize a pil_image object so it will fit into... 对一个pil_image对象进行缩放,让它在.
  • pil_image.size # resize the image so it retains its aspect ration # but fits into the specified display box #缩放图像让它保持比例,同时限制在一个矩形框范围内 pil_image_resized = resize(w, h, w_box, h_...
  • 数据处理之范围缩放

    2021-06-15 10:50:23
    范围缩放 将样本矩阵中的每一列的最小值和最大值设定为相同的区间, 统一各列特征值的范围. 一般情况下,会把特征区间缩放至[0,1]. [17, 20, 23] 如何使这组数据的最小值等于0: [0, 3, 6] 如何使这组数据的最大值等于1...
  • 公司一个项目,在启动web页面时,默认应该是打开... 因为开发在手头工作量太大了,在浏览器适配方面就没有做好(开发是大哥,项目经理上了都不顶用),于是我们的项目只有在浏览器缩放到90%情况下,页面内容才能优...
  • image对象进行缩放,让它在一个矩形框内,还能保持比例 ''' f1 = 1.0*w_box/w # 1.0 forces float division in Python2 f2 = 1.0*h_box/h factor = min([f1, f2]) #print(f1, f2, factor) # test # use best down-...
  • Python OpenCV 图片的读取、缩放,裁剪与保存 import numpy as np import cv2 as cv ** 读取图片 ** original = cv.imread('p4.jpg') print(original.shape) cv.imshow('1',original) blue = np.zeros_like(original...
  • 1、什么是范围缩放 统一样本矩阵中的不同特征的最大值和最小值的范围。(一般都是0-1) 例如设样本集为X [0, 1, 2, 3,4, 5 ] 范围缩放到【0-1】后 X1 [0, 0.2, 0.4, 0.6, 0.8, 1] kmin+ b = min’ =0 原本...
  • Q4 哪些数据不能做特征缩放?二、特征标准化/方差放缩三、特征归一化1. min-max缩放2. L2归一化3. 十进制归一化四、实例——不同缩放方法的对比 一、Q&A Q1 什么是标准化、归一化、规范化、正则化?...
  • 在机器学习过程中,对数据的处理过程中,常常需要对数据进行归一化处理,下面介绍(0, 1)标准化的方式,简单的说,其功能就是将预处理的数据的数值范围按一定关系“压缩”到(0,1)的范围类。 通常(0, 1)标注...
  • 旋转、平移、缩放
  • python-在matplotlib中设置colorbar范围

    千次阅读 2020-12-05 08:01:20
    在本例中,只有-0.5到1.5之间的范围显示在条形图中,而颜色图覆盖-2到2(因此这可能是您的数据范围,您在缩放之前记录的数据范围)。 因此,不要缩放颜色映射,而是缩放数据并使颜色条与之匹配。 参考回复 使用图形...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 18,602
精华内容 7,440
关键字:

python范围缩放