lmj.plot

lmj.plot er en kommando-linje værktøj til at skabe plots fra data i tekstfiler.
Installation
Med pip:
& Nbsp; & nbsp; & nbsp; pip installere lmj.plot
Eller klone dette arkiv og sætte plottet script et eller andet sted i din PATH:
& Nbsp; & nbsp; & nbsp; git klon http://github.com/lmjohns3/py-grep-plot export PATH = $ PATH: $ (PWD) / py-grep-Plot / scripts
Anvendelse
Lad os sige, du kører en eksperimentel algoritme, og du lægger praecisionsvaerdier i en logfil, som forsøgene kører. Her er et uddrag fra et eksempel logfil:
& Nbsp; & nbsp; & nbsp; D 2012-03-19 15: 02: 35.181 afkodet bugspytkirtlen i 4058ms D 2012-03-19 15: 02: 35.365 tags p-AE2-nkr-iy0-AE1-t-ih0-k, bedste p-AE1-NK- er0 -_- EH1-th-iy0-_ D 2012-03-19 15: 02: 35.591 i gennemsnit 22.932 lodder i 786ms D 2012-03-19 15: 02: 35.802 afkodet Gyr i 998ms D 2012-03-19 15: 02: 36.054 tags JH-AY1-r, bedste g -_- er0 I 2012-03-19 15: 02: uddannelse 36.055 nøjagtighed: 39.63 D 2012-03-19 15: 02: 36.246 i gennemsnit 23.056 lodder i 643ms D 2012- 19/03 15: 02: 36.295 afkodet spitzley i 4090ms D 2012-03-19 15: 02: 36.540 tags sp-ih1-TSL -_- iy0, bedste sp-ey1-t-ah0-l -_- iy0
Alle disse "uddannelse nøjagtighed" linjer skjult i der vil give os en god idé om, hvor godt algoritmen udfører. For at få et hurtigt plot af dem:
& Nbsp; & nbsp; & nbsp; cat ~ / Eksperimenter / tagger-beam1.log | py-grep-plot 'træning nøjagtighed: ([.D] +) "
Hvis du har din matplotlib konfigureret med en interaktiv backend, bør du se en dejlig lille plot vises.
Den generelle anvendelse af scriptet er
& Nbsp; & nbsp; & nbsp; py-grep-plot [regexp] Dybest set, du giver en masse data om stdin, og et regulært udtryk, der angiver, hvordan man udtrække data fra filerne. Den plotte script vil kontrollere det regulære udtryk mod hver indgang linje, parsing ud numeriske værdier fra dem, der matcher. Hver matchede værdi vil indgå i plottet.
Flere værdier
Hvis du bare give et match gruppe i dit regulære udtryk, vil de matchede værdier plottet på koordinerer i data-fil orden. Hvis du vil have eksplicit kontrol over abscissen, bare omfatter en anden match gruppe i dit regulære udtryk:
& Nbsp; & nbsp; & nbsp; nl ~ / Eksperimenter / tagger-beam1.log | py-grep-plot ". ^ (d +) * uddannelse nøjagtighed: ([.D] +)"
(NL nytte numre i stil med de input-fil.)
Hvis du giver tre match grupper pr linje, er den første plottet langs abscissen, den anden som ordinat og den tredje giver størrelsen på en fejl bar som ordinat.
Flere serie
Du kan også give flere input filer, og scriptet vil vise flere dataserier på samme plot:
& Nbsp; & nbsp; & nbsp; py-grep-plot [regexp] [file] ...
Hver fil vil bruge den samme regulære udtryk for at matche data.
Smoothing
Du kan udglatte ordinaterne ved hjælp af enten den -s N (--smooth N) eller -b N (--batch N) muligheder. Den --smooth option convolves en rektangulær filter over dataværdier før plotte, som giver blødere kurver, men har kanteffekter. De --batch mulighed grupper inputdata og grunde bare gennemsnit og standardafvigelse for hver gruppe.
Andre valg
Der er flere andre kommandolinjeparametre, herunder kontrol med plottet farver og stilarter, X- og Y-akse grænser; . bruge --help at få et overblik

Krav :

• Python