Python实现双Y轴折线图与单Y轴双变量柱状图绘制教程

唐可

发布时间：2026-10-13| 2人浏览过

原创

本文介绍如何使用Python的Matplotlib库绘制机器学习训练结果图表。内容涵盖将文本数据清洗为CSV格式，绘制展示迭代次数与准确率关系的双Y轴折线图，以及对比不同迭代次数训练集数量的单Y轴双变量柱状图。代码包含数据读取、绘图设置及数值标签添加等完整步骤，适用于模型训练效果的可视化分析。

任务背景与数据格式

近期实验室有论文需要发表，由于截稿日期临近，处理一些辅助性工作变得紧迫。作为实验室中资历较浅的实习生，我承担了部分协助工作。今天接到的一项具体任务是：

根据提供的模型训练迭代次数及训练精度数据，制作图表以辅助展示。这有助于检查模型训练过程中的不足，并分析样本数量与预测精度之间的关联。具体数据格式如下：


Iteration 1500

label train test  right acc

12  143 24  24  1.0

160 92  16  15  0.9375

100 12  2   0   0.0

142 0   0   0   0.0

152 0   0   0   0.0

110 10  2   0   0.0

170 12  2   2   1.0

42  421 70  63  0.9

31  43  8   5   0.625

22  132 22  18  0.818181818182

60  51  9   8   0.888888888889

51  916 153 143 0.934640522876

131 82  14  11  0.785714285714

53  84  14  10  0.714285714286

70  9   2   2   1.0

21  531 89  89  1.0

120 1   1   1   1.0

11  454 76  71  0.934210526316

90  1   1   1   1.0

32  39  7   6   0.857142857143

41  151 25  14  0.56

132 0   0   0   0.0

151 43  7   6   0.857142857143

43  8   2   1   0.5

80  7   2   1   0.5

141 96  16  16  1.0

44  67  12  2   0.166666666667

right: 509     accuracy:0.883680555556

我的任务是以label为自变量，绘制其与train（训练集数量）及acc（准确率）之间的关系。

接到任务后，首先进行数据预处理。我将数据存入txt文件，由于原始数据中字段间存在多个空格，我编写了一个正则匹配脚本，将多个连续空格替换为单个逗号。这样做的目的是便于转换为CSV格式表格，尽管在此任务中直接转换并非必需。

数据清洗与预处理脚本


#**********************Python 3.6.1***************************#
#*      将txt文本数据中的过长的空格更为一个逗号      *#
#*****************  Author LQ ******************************#
#********************** 2018/4/4 ****************************#
 
#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
import os #os模块与文本操作直接相关的模块
#*********下面三句代码作用不详，就是为了防止出现编码问题*********
import importlib
import sys
importlib.reload(sys)
#****************************************************
PATTERN = '\s+'#匹配出文本中的长空格
class Cleaner:
  #初始化
  def __init__(self):
    os.chdir('D:\\Learning\\Machine_Learning\\实习\\师姐论文实验') #改变工作目录到txt文件对应的目录
    self.content = open("acc-onlyRealImage-Iter2500.txt")
  
  def grab_content(self):
    line=self.content.readline()
    pre=re.compile(PATTERN)
    while line:  
      line_1=pre.sub(',',line) #将文本的长空格转换为逗号后，利于转成CSV格式，然后label按照升序排列
      self.Write_content(line_1)
      line = self.content.readline() 
 
  def Write_content(self,line_1):
    path='acc-onlyRealImage-Iter2500-after.txt'
    f=open(path,'a')
    f.write('\n'+line_1)
 
  def run(self): 
    self.grab_content()
 
 
if __name__ == '__main__':
  cleaner = Cleaner()  
  cleaner.run()

数据清洗完成后，开始编写绘图脚本。参考相关博客文章，第一版代码旨在绘制label与train及acc的双Y轴折线图。代码逻辑较为简单，主要调用现有的绘图库，具体实现代码如下：

双Y轴折线图绘制实现


#**********************Python 3.6.1***************************#
#*           绘制出双Y轴折线图           *#
#*****************  Author LQ ******************************#
#********************** 2018/4/4 ****************************#
 
#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
import os #os模块与文本操作直接相关的模块
import matplotlib.pyplot as plt
import numpy as np
#*********下面三句代码作用不详，就是为了防止出现编码问题*********
import importlib
import sys
importlib.reload(sys)
#****************************************************
font2 = {'family' : 'Times New Roman', 
     'weight' : 'normal', 
     'size'  : 18, 
    }
 
class Drawing:
  #初始化
  def __init__(self):
    os.chdir('D:\\Learning\\Machine_Learning\\实习\\师姐论文实验') #改变工作目录到指定文件目录
    self.content = open("acc-onlyRealImage-Iter2200-after.txt")
    self.content1 = open("acc-onlyRealImage-Iter2500-after.txt")
 
  def grab_content(self):
    lines=self.content.readlines()
    lines_1=self.content1.readlines()
    x_1 = [line.strip().split(',')[0] for line in lines ]#字段以逗号分隔，这里取得是第4列
    y_train_1=[line.strip().split(',')[1] for line in lines ]
    y_train_2=[line.strip().split(',')[1] for line in lines_1 ]
    y_acc_1=[line.strip().split(',')[4] for line in lines ]
    y_acc_2=[line.strip().split(',')[4] for line in lines_1 ]
    x = list(range(len(x_1)))
    y_acc=[]
    y_acc1=[]
    y_train=[]
    y_train1=[]
    for i in range(len(y_acc_1)):
      y_acc.append(float(y_acc_1[i]))
      y_acc1.append(float(y_acc_2[i]))
      y_train.append(int(y_train_1[i]))
      y_train1.append(int(y_train_2[i]))
    
    #plt.xticks(x, x_1,rotation=0)
    fig,left_axis=plt.subplots() 
    
    p1, =left_axis.plot(x, y_train,'ro-')
    right_axis = left_axis.twinx() 
    p2, =right_axis.plot(x, y_acc,'bo-')                                                    
    plt.xticks(x, x_1,rotation=0) #设置x轴的显示形式
 
    #设置左坐标轴以及右坐标轴的范围、精度
    left_axis.set_ylim(0,1201) 
    left_axis.set_yticks(np.arange(0,1201,200)) 
    right_axis.set_ylim(0,1.01) 
    right_axis.set_yticks(np.arange(0,1.01,0.20)) 
 
    #设置坐标及标题的大小、颜色
    left_axis.set_title('RealAndSimulation-Iter6600',font2)
    left_axis.set_xlabel('Labels',font2)
    left_axis.set_ylabel('Number of training sets',font2,color='r')
    left_axis.tick_params(axis='y', colors='r') 
    right_axis.set_ylabel('Accuracy',font2,color='b') 
    right_axis.tick_params(axis='y', colors='b') 
    plt.show()
 
  def run(self): 
    self.grab_content()
 
if __name__ == '__main__':
  Drawing = Drawing()  
  Drawing.run()

生成的图形如上所示，整体效果尚可。但师姐指出图表略显杂乱，建议尝试柱状图进行对比展示。因此，我继续编写了绘制柱状图的代码：

单Y轴双变量柱状图绘制


#**********************Python 3.6.1***************************#
#*           绘制单Y轴双变量柱状图          *#
#*****************  Author LQ ******************************#
#********************** 2018/4/4 ****************************#
 
#!/usr/bin/python
# -*- coding: utf-8 -*-
import re
import os #os模块与文本操作直接相关的模块
import matplotlib.pyplot as plt
import numpy as np
#*********下面三句代码作用不详，就是为了防止出现编码问题*********
import importlib
import sys
importlib.reload(sys)
#****************************************************
font2 = {'family' : 'Times New Roman',  #设置字体
     'weight' : 'normal', 
     'size'  : 18, 
    }
 
class Drawing:
  #初始化
  def __init__(self):
    os.chdir('D:\\Learning\\Machine_Learning\\实习\\师姐论文实验') #改变工作目录到指定文件的目录
    self.content = open("acc-onlyRealImage-Iter2200-after.txt")
    self.content1 = open("acc-onlyRealImage-Iter2500-after.txt")
  
  def autolabel(self,rects,y): #在柱状图上面添加 数值
    i=0
    for rect in rects:
      #读出列表存储的value值
      value=y[i] 
      x_1 = rect.get_x() + rect.get_width()/2
      y_1 = rect.get_height()
      #x_1，y_1对应柱形的横、纵坐标
      i+=1
      plt.text(x_1, y_1, value, ha='center', va='bottom',fontdict={'size': 8}) #在fontdict中设置字体大小
      rect.set_edgecolor('white')
 
  def Pictures(self):
    lines=self.content.readlines()
    lines_1=self.content1.readlines()
    x_1 = [line.strip().split(',')[0] for line in lines ]#字段以逗号分隔，这里取得是第1列
    y_train_1=[line.strip().split(',')[1] for line in lines ]
    y_train_2=[line.strip().split(',')[1] for line in lines_1 ]
    y_acc_1=[line.strip().split(',')[4] for line in lines ]
    y_acc_2=[line.strip().split(',')[4] for line in lines_1 ]
    x = list(range(len(x_1)))
    y_acc=[]
    y_acc1=[]
    y_train=[]
    y_train1=[]
    for i in range(len(y_acc_1)):
      y_acc.append(float(y_acc_1[i]))
      y_acc1.append(float(y_acc_2[i]))
      y_train.append(int(y_train_1[i]))
      y_train1.append(int(y_train_2[i]))
    plt.xticks(x, x_1,rotation=0) #设置X轴坐标值为label值
 
    for i in range(len(x)): #调整柱状图的横坐标，使得打印出来的图形看起来更加舒服 
      x[i] = x[i] -0.2 
    a=plt.bar(x, y_train,width=0.4,label='iter2200',fc = 'b') 
    #a=plt.bar(x, y_acc,width=0.4,label='iter2200',fc = 'b') 
    for i in range(len(x)): 
      x[i] = x[i] + 0.4 
    b=plt.bar(x, y_train1, width=0.4, label='iter2500',fc = 'r')
    #b=plt.bar(x, y_acc1, width=0.4, label='iter2500',fc = 'r')
    plt.xlabel('Labels',font2) 
    #设置Y轴值的范围
    plt.ylim((0, 1000))
    #设置Y轴的刻度值
    plt.yticks(np.arange(0,1001, 200))
    #plt.ylim((0, 1.1))
    #plt.yticks(np.arange(0,1.1, 0.2)) 
    #plt.ylabel('Accuracy',font2)
    plt.ylabel('Number of training sets',font2) #字体的格式在font2中有设置
    self.autolabel(a,y_train_1) #为柱形图打上数值标签
    self.autolabel(b,y_train_2)
    #self.autolabel(a,y_acc_1)
    #self.autolabel(b,y_acc_2)
    #plt.title("RealAndSimulation",font2)
    plt.title("OnlyRealImage",font2)
    plt.legend()
    plt.show()
 
  def run(self): 
    self.Pictures()
 
if __name__ == '__main__':
  Draw = Drawing()  
  Draw.run()

最终效果如下。由于双柱形图通常共享同一Y轴坐标系，此处选择对比不同迭代次数下的数据表现：