### 使用 Seaborn 和 Matplotlib 绘制多个数据集的准确率 为了在同一张图表上展示三个不同数据集的准确率，可以利用 `pandas` 来整理数据并借助 `seaborn` 或者 `matplotlib` 进行可视化。下面是一个具体的实现方法： #### 准备工作 首先确保已经安装了必要的库，并按照如下方式导入所需的模块[^2]。 ```python import seaborn as sns from matplotlib import pyplot as plt sns.set_theme(color_codes=True) ``` 接着准备用于绘图的数据。假设每个数据集中都有一个表示准确率的结果列表，这些列表长度相同且对应相同的评估指标。创建一个包含所有数据集及其标签的 DataFrame 可以让后续操作变得简单得多。 ```python import pandas as pd # 示例数据 accuracy_data_1 = [0.85, 0.90, 0.92, 0.94] accuracy_data_2 = [0.78, 0.83, 0.86, 0.89] accuracy_data_3 = [0.80, 0.85, 0.88, 0.91] datasets = ['Dataset A', 'Dataset B', 'Dataset C'] accuracies = [accuracy_data_1, accuracy_data_2, accuracy_data_3] df_list = [] for i, dataset in enumerate(datasets): df_temp = pd.DataFrame({ "Accuracy": accuracies[i], "Epoch": range(1, len(accuracies[i]) + 1), "Dataset": [dataset]*len(accuracies[i]) }) df_list.append(df_temp) final_df = pd.concat(df_list).reset_index(drop=True) ``` 这段代码构建了一个名为 `final_df` 的 Pandas DataFrame，其中包含了来自各个数据集的不同轮次（epoch）上的准确度测量值以及相应的数据集名称。 #### 使用 Seaborn 绘图 Seaborn 提供了一种简洁的方式来绘制折线图来比较不同的组别。这里使用 `lineplot()` 方法来完成这个任务。 ```python plt.figure(figsize=(10, 6)) sns.lineplot(data=final_df, x="Epoch", y="Accuracy", hue="Dataset") plt.title('Comparison of Accuracy Across Three Datasets') plt.xlabel('Epochs') plt.ylabel('Accuracy') plt.show() ``` 上述代码片段将会生成一张显示三个不同数据集随时间变化而改变其性能表现情况的图表。通过设置参数 `hue='Dataset'` ，可以在同一个坐标系内区分出代表各数据集的颜色线条[^1]。 #### 使用 Matplotlib 绘图 如果偏好于直接控制更多的细节，则可以选择采用 Matplotlib 实现同样的效果。 ```python fig, ax = plt.subplots(figsize=(10, 6)) ax.plot(final_df[final_df['Dataset'] == 'Dataset A']['Epoch'], final_df[final_df['Dataset'] == 'Dataset A']['Accuracy'], label='Dataset A') ax.plot(final_df[final_df['Dataset'] == 'Dataset B']['Epoch'], final_df[final_df['Dataset'] == 'Dataset B']['Accuracy'], label='Dataset B') ax.plot(final_df[final_df['Dataset'] == 'Dataset C']['Epoch'], final_df[final_df['Dataset'] == 'Dataset C']['Accuracy'], label='Dataset C') ax.legend(title='Datasets') ax.set_title('Comparison of Accuracy Across Three Datasets') ax.set_xlabel('Epochs') ax.set_ylabel('Accuracy') plt.show() ``` 这两种方法都可以有效地在一个图形窗口中呈现多条曲线，从而直观地对比几个数据源之间的差异。选择哪种取决于个人喜好或是具体需求下的灵活性考虑。