如何使用 gcf() 或 gca() 自定义 matplotlib 绘图？

Question

我正在使用一个名为 shap 的包，其中有一个集成的绘图函数。 但是我想调整一些东西，比如标签、图例、颜色、大小等。

显然由于开发人员，可以通过使用 plt.gcf() 实现。

我像这样调用绘图，这将给出一个图形对象，但我不知道该如何使用它：

fig = shap.summary_plot(shap_values_DT, data_train,color=plt.get_cmap("tab10"), show=False)
ax = plt.subplot()

更新/解决方案 最终，我通过以下方式将所有内容调整为所需状态：

shap.summary_plot(shap_values_DT, data_train, color=plt.get_cmap("tab10"), show=False)
fig = plt.gcf()
fig.set_figheight(12)
fig.set_figwidth(14)
ax = plt.gca()
ax.set_xlabel(r'durchschnittliche SHAP Werte $\vert\sigma_{ij}\vert$', fontsize=16)
ax.set_ylabel('Inputparameter', fontsize=16)
ylabels = string_latexer([tick.get_text() for tick in ax.get_yticklabels()])
ax.set_yticklabels(ylabels)
leg = ax.legend()
for l in leg.get_texts(): l.set_text(l.get_text().replace('Class', 'Klasse'))
plt.show()

- Quastiat

---

它是ax=plt.gca() - ImportanceOfBeingErnest

@ImportanceOfBeingErnest 谢谢，有了这个我得到了大部分的工作，最后一块缺失的是图例颜色，如果我改变图例标签，它会偏移1个颜色..你有什么想法是什么原因导致这个问题？ - Quastiat

不好意思，从您展示的图片中我没有看到任何移位，所以我可能不明白存在什么问题。 - ImportanceOfBeingErnest

@ImportanceOfBeingErnest，问题已经解决了，不过还是谢谢！ - Quastiat

Answer 1

最终，我通过以下步骤将所有内容调整为我想要的:

shap.summary_plot(shap_values_DT, data_train, color=plt.get_cmap("tab10"), show=False)
fig = plt.gcf()
fig.set_figheight(12)
fig.set_figwidth(14)
ax = plt.gca()
ax.set_xlabel(r'durchschnittliche SHAP Werte $\vert\sigma_{ij}\vert$', fontsize=16)
ax.set_ylabel('Inputparameter', fontsize=16)
ylabels = string_latexer([tick.get_text() for tick in ax.get_yticklabels()])
ax.set_yticklabels(ylabels)
leg = ax.legend()
for l in leg.get_texts(): l.set_text(l.get_text().replace('Class', 'Klasse'))
plt.show()

- Quastiat

Answer 2

我还没有使用过shap，但也许你可以按照以下方式进行修改：

shap.summary_plot(shap_values_DT, data_train,color=plt.get_cmap("tab10"), show=False)
plt.title('my custom title')
plt.savefig('test.png')

更新 根据官方文档，我读到：

import xgboost
import shap

# load JS visualization code to notebook
shap.initjs()

# train XGBoost model
X,y = shap.datasets.boston()
model = xgboost.train({"learning_rate": 0.01}, xgboost.DMatrix(X, label=y), 100)

# explain the model's predictions using SHAP values
# (same syntax works for LightGBM, CatBoost, and scikit-learn models)
explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(X)

# visualize the first prediction's explanation (use matplotlib=True to avoid Javascript)
shap.force_plot(explainer.expected_value, shap_values[0,:], X.iloc[0,:])

我快速尝试了这个示例，如果你添加matplotlib=True选项，它似乎可以工作。然而，并非所有功能都支持它...

- tschmelz

---

感谢您的输入，我已经让一些东西工作了，但是我最关心的是summary_plot()函数，它没有matplotlib=True选项。我将在问题中添加一些关于我的进展和剩下要做的事情的细节。 - Quastiat