进大厂,身价翻倍的法宝来了!

主讲内容：docker/kubernetes 云原生技术，大数据架构，分布式微服务，自动化测试、运维。

腾讯课堂：点击进入 网易课堂：点击进入

7月1号-7月29号 8折优惠！！！ 7月1号-7月29号 8折优惠！！！ 7月1号-7月29号 8折优惠！！！

课程简介：

第一章 熟悉Linux环境 1、Win10安装Ubuntu18.04双系统 2、熟悉Linux常用工具和命令 第二章 熟悉Docker 3、安装配置Docker 4、Docker命令实践 5、Dockerfile文件编写 ​​​​​​​ 6、常用镜像部署 ​​​​​​​ 第三章 熟悉Kubernetes ​​​​​​​ 7、kubernetes架构和部署 ​​​​​​​ 8、熟悉kubectl命令使用 ​​​​​​​ 9、k8s应用部署实践（上） ​​​​​​​ 10、k8s应用部署实践（下） ​​​​​​​ 第四章 熟悉Helm ​​​​​​​ 11、Helm安装配置 ​​​​​​​ 12、熟悉Helm应用书写规则 ​​​​​​​ 13、编写自己的Helm应用

（作者：陈玓玏）

用matplotlib画图时，常常需要实现两类功能，一类是在一个坐标轴上画多条曲线，能够清楚地看到多条曲线的对比情况。另一种情况是在同一个窗口的不同子图上画图，多用于呈现不同内容的曲线，没有对比关系的曲线图。其实根本区别在于，是在同一对坐标轴上画图，还是在不同的坐标轴上画图。

一、同一坐标系上绘制多条曲线

首先自然是引入matplotlib包，这个包可以画散点图、线图、柱形图等等，是很好的数据可视化工具。其他的不多说，看注释。

import matplotlib.pyplot as plt import numpy as np #开启一个窗口，num设置子图数量，figsize设置窗口大小，dpi设置分辨率 fig = plt.figure(num=1, figsize=(15, 8),dpi=80) #直接用plt.plot画图，第一个参数是表示横轴的序列，第二个参数是表示纵轴的序列 plt.plot(np.arange(0,1,0.1),range(0,10,1)) plt.plot(np.arange(0,1,0.1),range(0,20,2)) #显示绘图结果 plt.show()

二、在不同子图上绘图

import matplotlib.pyplot as plt import numpy as np #开启一个窗口，num设置子图数量，这里如果在add_subplot里写了子图数量，num设置多少就没影响了 #figsize设置窗口大小，dpi设置分辨率 fig = plt.figure(num=2, figsize=(15, 8),dpi=80) #使用add_subplot在窗口加子图，其本质就是添加坐标系 #三个参数分别为：行数，列数，本子图是所有子图中的第几个，最后一个参数设置错了子图可能发生重叠 ax1 = fig.add_subplot(2,1,1) ax2 = fig.add_subplot(2,1,2) #绘制曲线 ax1.plot(np.arange(0,1,0.1),range(0,10,1),color='g') #同理，在同一个坐标系ax1上绘图，可以在ax1坐标系上画两条曲线，实现跟上一段代码一样的效果 ax1.plot(np.arange(0,1,0.1),range(0,20,2),color='b') #在第二个子图上画图 ax2.plot(np.arange(0,1,0.1),range(0,20,2),color='r') plt.show()

画图在进行模型评估时很常用，在进行变量评估时也可以用，能够提前查看变量的分布情况，也可以查看模型预测结果的AUC曲线和KS曲线。