plt.rcParams[]详解

plt.rcparams['font.family'] =

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report from sklearn.preprocessing import StandardScaler # 设置中文显示 plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 # 3. 故障报警影响因素分析 # 3.1 特征选择 features = df[['车速', '总电压', '总电流', 'SOC', '驱动电机控制器温度', '驱动电机转速', '驱动电机转矩', '驱动电机温度', '电池单体电压最高值', '电池单体电压最低值', '最高温度值', '最低温度值']] # 3.2 标签 labels = df['最高报警等级'] # 3.3 数据标准化 scaler = StandardScaler() features_scaled = scaler.fit_transform(features) # 3.4 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(features_scaled, labels, test_size=0.2, random_state=42) # 3.5 训练随机森林分类器 rfc = RandomForestClassifier(n_estimators=100, random_state=42) rfc.fit(X_train, y_train) # 3.6 模型评估 y_pred = rfc.predict(X_test) print(classification_report(y_test, y_pred)) # 3.7 特征重要性分析 feature_importances = pd.Series(rfc.feature_importances_, index=features.columns) feature_importances = feature_importances.sort_values(ascending=False) # 3.8 可视化特征重要性 plt.figure(figsize=(10, 8)) sns.barplot(x=feature_importances.values, y=feature_importances.index) plt.title('特征重要性分析') plt.xlabel('重要性得分') plt.ylabel('特征') plt.savefig(r"C:\Users\wei\Pictures\特征重要性分析.png", dpi=300) plt.show()解决代码的问题，进行优化返回

import cv2 from skimage.io import imsave import glob # 有助于文件的遍历 import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['simhei'] # 添加中文字体为简黑 plt.rcParams['axes.unicode_minus'] =False import os # In[2]:图像处理 # (1)获取指定文件夹的图像文件名列表 str1 = '01ImagesIN/' str2 = '01ImagesOUT/' img_list = glob.glob(str1 + '*.png') img_list = img_list + glob.glob(str1 + '*.jpg') img_list = img_list + glob.glob(str1 + '*.jpeg') # (2)遍历文件名列表的每个文件 for i, img_path in enumerate(img_list): # A.以灰度模式读取原始图像、可视化 # cv2.IMREAD_COLOR：加载彩色图片，这个是默认参数，可以直接写1。 # cv2.IMREAD_GRAYSCALE：以灰度模式加载图片，可以直接写0。 # cv2.IMREAD_UNCHANGED：包括alpha，可以直接写-1 print('%d----'%(i+1), img_path) (filepath,tempfilename) = os.path.split(img_path) (Myfilename,extension) = os.path.splitext(tempfilename) # 分离文件名的后缀 # ===后面会使用分离出的文件名Myfilename，生成其它的文件名 imgIn = cv2.imread(img_path) plt.figure(figsize = (10,10)) plt.imshow(imgIn) plt.title('输入图像--'+ Myfilename, size = 20) plt.xticks([]) plt.yticks([]) plt.show() # 将该图像转存为至其它位置，文件名是在Myfilename基础上产生的 imsave(str2+ Myfilename +'_out.jpeg',imgIn )的详解