新增-综合评价图(performance diagram)!!
今天继续给大家我们的Python数据可视化课程新增的图表样式--「综合评价图」,专门通过多个指标,直观地比较不同模型或方法的表现。
综合评价图简介
综合评价图是继泰勒图之后,有一个可以高效表示模型功能的统计图表,通常情况下,综合评价图中的散点表示模型类别,横坐标表示成功比率(Success Ratio),纵坐标表示检测概率(Probability of Detection,PD),,此外,在综合评价图对角线方向上,还有表示关键成功指数(Critical Success Index,CSI)的等值线图样式。下图为SCI论文中常见的综合评价图样式。
综合评价图Python绘制逻辑
使用Matplotlib绘制综合评价图的关键点是定义偏差线段和关键成功指数(CSI)计算函数,并依次使用Matplotlib中的axes.Axes.contour()和contourf()函数完成绘制,下图为我们课程中使用Matplotlib绘制的综合评价图样式。
此外,我们还新增了如下样式:
课程全面升级
全新升级!轻松学Python科研绘图!!
最近在对我们的《Python数据可视化课程》的绘制代码进行全新的迭代升级
和更为详细的知识文档的编写
。
绘图代码全面更新原因:
一些绘图工具包的更新,导致学员在使用过程中,安装了较为新的版本,某些绘图函数无法使用; 一些作者自定义的颜色系函数,在对初学者而言,引用起来较为繁琐,造成不好的学习体验; 在使用一些特定绘图工具包时,没给出具体的官方链接和安装方式和版本,导致学员找不到正确的工具; 某些绘图代码某些函数参数更新太快,原本的代码会出现部分问题; 代码文档中关于函数和拓展工具包的介绍说明太少,给学员造成比不要的学习困难; 绘图代码常规的定期更新(这点我们承诺长期更新且定期调整)
调整和新增
对每个绘图工具包的使用给出了详细的官网介绍和安装语句、使用版本等重要信息,学员可直接通过点击给出的链接,直接学习该工具的使用;
针对部分绘图函数的参数进行了最新版本的调整,学员直接使用最新版Jupyter Notebook 代码文档学习即可。
针对初学者可能遇到的基础问题,如路径修改,在运行代码周边也给出了相关的文字说明和学习链接。
针对自定义的颜色系造成的问题,作者直接使用Matplotlib默认的色系值,减少困惑。当然,作者也给出自引用构建的py文件方法。初学者可在有一定基础后,再进行学习。
针对有需要较为繁琐的自定义修改绘图函数的操作,作者页提供了最新版修改后的py文件,并给定使用方法,学员傻瓜式使用即可。
针对不想使用Jupyter Notebook编辑器的同学,我们也给出了html网页文件,学员可在网页端打开文件后,再复制在Pycharm等集成编译器中进行运行。
新增后的绘图案例
我们以最为复杂的泰勒图绘制
为例:
使用前工具包介绍情况
使用SkillMetrics工具包进行绘制,在使用之初,贴心的给出这个包的介绍,如下图所示:
自定义修改绘图函数后的操作
SkillMetrics工具包默认的绘图函数,在绘图一些较为繁琐或者需求较高的图形时,还是不能较好地完成。所以,作者对其源码进行了修改,同时也给出了相关介绍,如下:
修改后绘图结果
针对使用修改后的SkillMetrics工具包绘图,我们也给出了绘图结果,如下:
如何订阅课程
说了这么多,如果大家对我们的课程感兴趣,可以根据自己的实际情况进行订阅学习(我们都会让你结合自己实际情况进行订阅,不要营造赶紧下单的“营销”模式)。
感兴趣的同学可以微信扫描下方二维码进行订阅哈: