本文共 1147 字，大约阅读时间需要 3 分钟。

在机器学习中经常会使用Sigmoid函数，如果直接使用matplotlib绘图，那么就会像下图这样，原点并没有在(0,0)。

import matplotlib.pyplot as pltimport numpyx = numpy.linspace(start=-10, stop=10)y = 1 / (1 + numpy.e ** (-1 * x))plt.plot(x, y)plt.title('Sigmoid')plt.show()

于是，我们希望调整坐标轴的位置，让图像更加的直观。

在matplotlib的图中，默认有四个轴，两个横轴（“top”、“bottom”）和两个竖轴（“left”、“right”），可以通过ax = plt.gca()方法获取，gca是“get current axes”的缩写。

先将显示的坐标图的上边框和右边框去掉，即设置它们的显示方式为不显示：

ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')

注：spines译为“脊”，也就是坐标图中的边框。

将坐标图的下边框和左边框作为坐标系的x轴和y轴，并调整坐标轴的位置:

ax.spines['bottom'].set_position(('data', 0))ax.spines['left'].set_position(('axes', 0.5))

注：设置坐标轴的位置时，“data”表示通过值来设置坐标轴的位置，“axes”表示以百分比的形式设置轴的位置。

• ax.spines['bottom'].set_position(('data',0))表示将x轴设置在y=0处。
• ax.spines['bottom'].set_position(('axes',0.5))表示将x轴设置在y轴范围的50%处。

完整代码如下：

import matplotlib.pyplot as pltimport numpyx = numpy.linspace(start=-10, stop=10)y = 1 / (1 + numpy.e ** (-1 * x))ax = plt.gca() # 获取坐标轴ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.spines['bottom'].set_position(('data', 0))ax.spines['left'].set_position(('axes', 0.5))plt.plot(x, y)plt.title('Sigmoid')plt.show()

转载地址：https://lsgogroup.blog.csdn.net/article/details/117136838 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！