Python 相对于另一个数据集在 x 和 y 轴上zoom matplotlib 中的数据集

发布于05月03日

我正在try 将两组不同的数据进行zoom ，以使其在视觉上相同.

Green个数据集具有极端的Y值和明显更多的数据点.因此，Orange个数据集是平淡和不足的.

有哪些功能可以让我将它们等同于其他功能进行扩展？

*Future viewers:‘MinMax正规化’是答复中提到的一种方法.

推荐答案

可以通过将值挤压在0和1之间来实现这一点.

import numpy as np
import matplotlib.pyplot as plt

# Define the green and orange data sets
green_data = np.random.normal(50, 10, 100)
orange_data = np.random.normal(25, 5, 10)

# Normalize the data sets using min-max scaling
green_data_normalized = (green_data - np.min(green_data)) / (np.max(green_data) - np.min(green_data))
orange_data_normalized = (orange_data - np.min(orange_data)) / (np.max(orange_data) - np.min(orange_data))

# Plot the normalized data sets
plt.plot(green_data_normalized, label='Green Data')
plt.plot(orange_data_normalized, label='Orange Data')
plt.legend()
plt.show()

编辑:如果你想让橙色的值与绿色的值具有相同的x宽度，你可以在每个点之间画一条直线，然后使用中点来计算应该介于哪个数据点之间.这将通过创建更多数据点来加宽数据线，numpy在np.interp(interpolate的缩写)中内置了这一点.

import numpy as np
import matplotlib.pyplot as plt

# Define the green and orange data sets
green_data = np.random.normal(50, 10, 100)
orange_data = np.random.normal(25, 5, 10)

# Define the x-values for the original and extended orange data
x_orange_original = np.linspace(0, 1, len(orange_data))
x_orange_extended = np.linspace(0, 1, len(green_data))

# Interpolate the orange data to extend it
orange_data_extended = np.interp(x_orange_extended, x_orange_original, orange_data)

# Normalize the data sets using min-max scaling
green_data_normalized = (green_data - np.min(green_data)) / (np.max(green_data) - np.min(green_data))
orange_data_normalized = (orange_data_extended - np.min(orange_data_extended)) / (np.max(orange_data_extended) - np.min(orange_data_extended))

# Plot the normalized data sets
plt.plot(green_data_normalized, label='Green Data')
plt.plot(orange_data_normalized, label='Orange Data')
plt.legend()
plt.show()