小编ash*_*ley的帖子

我搜索了几年(小时,就像年龄)找到一个非常讨厌(看似基本)问题的答案,因为我找不到一个非常适合答案的问题,我发布一个问题并回答它,希望它我将花费大量时间用于我的noobie绘图技巧.

如果你想使用python matplotlib标记你的绘图点

from matplotlib import pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111)

A = anyarray
B = anyotherarray

plt.plot(A,B)
for i,j in zip(A,B):
    ax.annotate('%s)' %j, xy=(i,j), xytext=(30,0), textcoords='offset points')
    ax.annotate('(%s,' %i, xy=(i,j))

plt.grid()
plt.show()

我知道xytext =(30,0)与textcoords一起使用,你使用那些30,0值来定位数据标签点,所以它在0 y轴上,30在x轴上超过它自己的小区域.

您需要绘制i和j的两条线,否则您只绘制x或y数据标签.

你得到这样的东西(仅注意标签):

它不理想,仍然有一些重叠 - 但它比我所拥有的更好.

scipy.ndimage.imread刚刚在 scipy 中被弃用，所以我直接将代码切换为使用 pyplot - 但结果不一样。我正在为 keras 内置的学习算法导入图像 - 我认为这将是一个 1 对 1 的更改 - 但事实并非如此 - 我训练得很好，切换后我的系统没有训练。有没有一个蟒蛇大师可以解释有什么区别？

Scipy 返回：

img_array : ndarray 不同的色带/通道存储在第三维中，例如灰度图像是 MxN，RGB 图像 MxNx3 和 RGBA 图像 MxNx4。 scipy 文档

Matplotlib 返回：

返回值是一个 numpy.array。对于灰度图像，返回数组为 MxN。对于 RGB 图像，返回值为 MxNx3。对于 RGBA 图像，返回值为 MxNx4。 matplotlib 文档

MWE：

from scipy import ndimage
import_image = (ndimage.imread("img.png").astype(float) - 
                                          255.0 / 2) / 255.0
print import_image[0]

import matplotlib.pyplot as plt
import_image = (plt.imread("img.png").astype(float) - 
                                          255.0 / 2) / 255.0

print import_image[0]