From the mac
sanginnwoo
parent
cba87a151a
commit
b96bda38cc
|
|
@ -10,15 +10,18 @@ import matplotlib.pyplot as plt
|
|||
'Final_error_hyper_original', 'Final_error_hyper_nonlinear']
|
||||
'''
|
||||
|
||||
# CSV 파일 읽기
|
||||
# CSV 파일 읽기 (일단, 다단 성토 포함)
|
||||
df_overall = pd.read_csv('Error_overall.csv', encoding='euc-kr')
|
||||
|
||||
# 통계량 저장소
|
||||
# 열 mean / median / percentile
|
||||
# 행 RMSE (O) / RMSE (NL) / FE (O) / FE (NL)
|
||||
# 통계량 저장소 statistics 초기화
|
||||
statistic =[]
|
||||
|
||||
count = 0
|
||||
# 통계량 저장소 statistics 데이터 구조
|
||||
# mean / median / percentile
|
||||
# RMSE (O)
|
||||
# RMSE (NL)
|
||||
# FE (O)
|
||||
# FE (NL)
|
||||
|
||||
# 최종 성토 단계에서 각 침하 데이터 사용 영역에 대해서 다음을 수행
|
||||
for data_usage in range(20, 100, 10):
|
||||
|
|
@ -32,26 +35,21 @@ for data_usage in range(20, 100, 10):
|
|||
FE_hyper_original = df_overall_sel['Final_error_hyper_original'].to_numpy()
|
||||
FE_hyper_nonlinear = df_overall_sel['Final_error_hyper_nonlinear'].to_numpy()
|
||||
|
||||
# 중앙값, 평균, 90% percentile 산정 및 저장
|
||||
statistic.append([np.mean(RMSE_hyper_original),
|
||||
np.median(RMSE_hyper_original),
|
||||
# 평균, 중앙값, 90% percentile 산정 및 저장
|
||||
statistic.append([np.mean(RMSE_hyper_original), np.median(RMSE_hyper_original),
|
||||
np.percentile(RMSE_hyper_original, 90)])
|
||||
statistic.append([np.mean(RMSE_hyper_nonlinear),
|
||||
np.median(RMSE_hyper_nonlinear),
|
||||
statistic.append([np.mean(RMSE_hyper_nonlinear), np.median(RMSE_hyper_nonlinear),
|
||||
np.percentile(RMSE_hyper_nonlinear, 90)])
|
||||
statistic.append([np.mean(FE_hyper_original),
|
||||
np.median(FE_hyper_original),
|
||||
statistic.append([np.mean(FE_hyper_original), np.median(FE_hyper_original),
|
||||
np.percentile(FE_hyper_original, 90)])
|
||||
statistic.append([np.mean(FE_hyper_nonlinear),
|
||||
np.median(FE_hyper_nonlinear),
|
||||
statistic.append([np.mean(FE_hyper_nonlinear), np.median(FE_hyper_nonlinear),
|
||||
np.percentile(FE_hyper_nonlinear, 90)])
|
||||
|
||||
# 그래프 설정 (2 by 2)
|
||||
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize = (8, 8))
|
||||
|
||||
# 그래프 제목 설정
|
||||
fig.suptitle('Histograms: ' + str(data_usage) +
|
||||
'% of Settlement Data Used in the Final Step')
|
||||
fig.suptitle('Histograms: ' + str(data_usage) + '% of Settlement Data Used in the Final Step')
|
||||
|
||||
# 각 Subplot의 제목 설정
|
||||
ax1.set_xlabel('RMSE (Original Hyperbolic) (cm)')
|
||||
|
|
@ -81,50 +79,54 @@ for data_usage in range(20, 100, 10):
|
|||
ax.set_xlim(0, 50)
|
||||
ax.set_ylim(0, 0.5)
|
||||
|
||||
count = count + 1
|
||||
|
||||
# 그래프 저장 (SVG 및 PNG)
|
||||
plt.savefig('error_analysis/error_nonstep(%i percent).png' % data_usage,
|
||||
bbox_inches='tight')
|
||||
|
||||
# 데이터 사용 영역 설정
|
||||
data_usages = range(20, 100, 10)
|
||||
|
||||
# 통계량 배열을 numpy 배열로 전환
|
||||
statistic = np.array(statistic)
|
||||
|
||||
# 그래프 설정 (총 4개의 그래프)
|
||||
fig, ((ax1, ax2), (ax3, ax4), (ax5, ax6)) = plt.subplots(3, 2, figsize = (8, 12))
|
||||
|
||||
# 그래프 전체 제목 설정
|
||||
fig.suptitle("Original Hyperbolic vs. Nonlinear Hyperbolic")
|
||||
|
||||
# mean rmse
|
||||
# 데이터 사용량 대비 RMSE 평균값 변화 도시
|
||||
ax1.set_ylabel('Mean(RMSE) (cm)')
|
||||
ax1.plot(data_usages, statistic[0::4, 0], label = 'Original Hyperbolic')
|
||||
ax1.plot(data_usages, statistic[1::4, 0], label = 'Nonlinear Hyperbolic')
|
||||
ax1.legend()
|
||||
|
||||
# mean fe
|
||||
# 데이터 사용량 대비 FE 평균값 변화 도시
|
||||
ax2.set_ylabel('Mean(FE) (cm)')
|
||||
ax2.plot(data_usages, statistic[2::4, 0])
|
||||
ax2.plot(data_usages, statistic[3::4, 0])
|
||||
ax2.plot(data_usages, statistic[2::4, 0], label = 'Original Hyperbolic')
|
||||
ax2.plot(data_usages, statistic[3::4, 0], label = 'Nonlinear Hyperbolic')
|
||||
|
||||
# median rmse
|
||||
# 데이터 사용량 대비 RMSE 중앙값 변화 도시
|
||||
ax3.set_ylabel('Median(RMSE) (cm)')
|
||||
ax3.plot(data_usages, statistic[0::4, 1])
|
||||
ax3.plot(data_usages, statistic[1::4, 1])
|
||||
|
||||
# median fe
|
||||
# 데이터 사용량 대비 FE 중앙값 변화 도시
|
||||
ax4.set_ylabel('Median(FE) (cm)')
|
||||
ax4.plot(data_usages, statistic[2::4, 1])
|
||||
ax4.plot(data_usages, statistic[3::4, 1])
|
||||
|
||||
# percentile rmse
|
||||
# 데이터 사용량 대비 RMSE의 90% Percentile 변화 도시
|
||||
ax5.set_ylabel('90% Percentile(RMSE) (cm)')
|
||||
ax5.plot(data_usages, statistic[0::4, 2])
|
||||
ax5.plot(data_usages, statistic[1::4, 2])
|
||||
|
||||
# percentile fe
|
||||
# 데이터 사용량 대비 FE의 90% Percentile 변화 도시
|
||||
ax6.set_ylabel('90% Percentile(FE) (cm)')
|
||||
ax6.plot(data_usages, statistic[2::4, 2])
|
||||
ax6.plot(data_usages, statistic[3::4, 2])
|
||||
|
||||
# 각 subplot을 포함한 리스트 설정
|
||||
axes = [ax1, ax2, ax3, ax4, ax5, ax6]
|
||||
|
||||
# 공통 사항 적용
|
||||
|
|
@ -146,13 +148,20 @@ plt.savefig('error_analysis/error_overall.png', bbox_inches='tight')
|
|||
'Final_error_hyper_original', 'Final_error_hyper_nonlinear', 'Final_error_step'
|
||||
'''
|
||||
|
||||
# CSV 파일 읽기 (다단 성토만)
|
||||
df_multi_step = pd.read_csv('Error_multi_step.csv', encoding='euc-kr')
|
||||
|
||||
# 통계량 저장소
|
||||
# 열 mean / median / percentile
|
||||
# 행 RMSE (O) / RMSE (NL) / RMSE(S) / FE (O) / FE (NL) / FE (S)
|
||||
statistic2 =[]
|
||||
count = 0
|
||||
# 통계량 저장소 statistics 초기화
|
||||
statistic_step =[]
|
||||
|
||||
# 통계량 저장소 statistics 데이터 구조
|
||||
# mean / median / percentile
|
||||
# RMSE (O)
|
||||
# RMSE (NL)
|
||||
# RMSE (S)
|
||||
# FE (O)
|
||||
# FE (NL)
|
||||
# FE (S)
|
||||
|
||||
# 최종 성토 단계에서 각 침하 데이터 사용 영역에 대해서 다음을 수행
|
||||
for data_usage in range(20, 100, 10):
|
||||
|
|
@ -169,24 +178,24 @@ for data_usage in range(20, 100, 10):
|
|||
FE_step = df_multi_step_sel['Final_error_step'].to_numpy()
|
||||
|
||||
# 중앙값, 평균, 90% percentile 산정 및 저장
|
||||
statistic2.append([np.mean(RMSE_hyper_original),
|
||||
np.median(RMSE_hyper_original),
|
||||
np.percentile(RMSE_hyper_original, 90)])
|
||||
statistic2.append([np.mean(RMSE_hyper_nonlinear),
|
||||
np.median(RMSE_hyper_nonlinear),
|
||||
np.percentile(RMSE_hyper_nonlinear, 90)])
|
||||
statistic2.append([np.mean(RMSE_step),
|
||||
np.median(RMSE_step),
|
||||
np.percentile(RMSE_step, 90)])
|
||||
statistic2.append([np.mean(FE_hyper_original),
|
||||
np.median(FE_hyper_original),
|
||||
np.percentile(FE_hyper_original, 90)])
|
||||
statistic2.append([np.mean(FE_hyper_nonlinear),
|
||||
np.median(FE_hyper_nonlinear),
|
||||
np.percentile(FE_hyper_nonlinear, 90)])
|
||||
statistic2.append([np.mean(FE_step),
|
||||
np.median(FE_step),
|
||||
np.percentile(FE_step, 90)])
|
||||
statistic_step.append([np.mean(RMSE_hyper_original),
|
||||
np.median(RMSE_hyper_original),
|
||||
np.percentile(RMSE_hyper_original, 90)])
|
||||
statistic_step.append([np.mean(RMSE_hyper_nonlinear),
|
||||
np.median(RMSE_hyper_nonlinear),
|
||||
np.percentile(RMSE_hyper_nonlinear, 90)])
|
||||
statistic_step.append([np.mean(RMSE_step),
|
||||
np.median(RMSE_step),
|
||||
np.percentile(RMSE_step, 90)])
|
||||
statistic_step.append([np.mean(FE_hyper_original),
|
||||
np.median(FE_hyper_original),
|
||||
np.percentile(FE_hyper_original, 90)])
|
||||
statistic_step.append([np.mean(FE_hyper_nonlinear),
|
||||
np.median(FE_hyper_nonlinear),
|
||||
np.percentile(FE_hyper_nonlinear, 90)])
|
||||
statistic_step.append([np.mean(FE_step),
|
||||
np.median(FE_step),
|
||||
np.percentile(FE_step, 90)])
|
||||
|
||||
# 그래프 설정 (2 by 2)
|
||||
fig, ((ax1, ax2, ax3), (ax4, ax5, ax6)) = plt.subplots(2, 3, figsize = (12, 8))
|
||||
|
|
@ -217,66 +226,69 @@ for data_usage in range(20, 100, 10):
|
|||
# 공통 사항 적용
|
||||
for i in range(len(axes)):
|
||||
ax = axes[i]
|
||||
ax.text(10, 0.4, 'Mean = ' + "{:0.2f}".format(statistic2[count * 6 + i][0]) + '\n' +
|
||||
'Median = ' + "{:0.2f}".format(statistic2[count * 6 + i][1]) + '\n' +
|
||||
'90% Percentile = ' + "{:0.2f}".format(statistic2[count * 6 + i][2]))
|
||||
ax.text(10, 0.4, 'Mean = ' + "{:0.2f}".format(statistic_step[count * 6 + i][0]) + '\n' +
|
||||
'Median = ' + "{:0.2f}".format(statistic_step[count * 6 + i][1]) + '\n' +
|
||||
'90% Percentile = ' + "{:0.2f}".format(statistic_step[count * 6 + i][2]))
|
||||
ax.set_ylabel("Probability")
|
||||
ax.grid(color="gray", alpha=.5, linestyle='--')
|
||||
ax.tick_params(direction='in')
|
||||
ax.set_xlim(0, 50)
|
||||
ax.set_ylim(0, 0.5)
|
||||
|
||||
count = count + 1
|
||||
|
||||
# 그래프 저장 (SVG 및 PNG)
|
||||
plt.savefig('error_analysis/error_step(%i percent).png' % data_usage,
|
||||
bbox_inches='tight')
|
||||
|
||||
|
||||
# 데이터 사용 영역 배열 설정
|
||||
data_usages = range(20, 100, 10)
|
||||
statistic2 = np.array(statistic2)
|
||||
|
||||
# 통계량 배열을 numpy 배열로 전환
|
||||
statistic_step = np.array(statistic_step)
|
||||
|
||||
# 그래프 설정 (총 6개의 그래프)
|
||||
fig, ((ax1, ax2), (ax3, ax4), (ax5, ax6)) = plt.subplots(3, 2, figsize = (8, 12))
|
||||
|
||||
fig.suptitle("Hyperbolic vs. Step loading")
|
||||
# 그래프 전체 제목 설정
|
||||
fig.suptitle("Hyperbolic methods vs. Step loading")
|
||||
|
||||
# mean rmse
|
||||
# 데이터 사용량 대비 RMSE 평균값 변화 도시
|
||||
ax1.set_ylabel('Mean(RMSE) (cm)')
|
||||
ax1.plot(data_usages, statistic2[0::6, 0], label = 'Original Hyperbolic')
|
||||
ax1.plot(data_usages, statistic2[1::6, 0], label = 'Nonlinear Hyperbolic')
|
||||
ax1.plot(data_usages, statistic2[2::6, 0], color='k', label = 'Step Loading')
|
||||
ax1.plot(data_usages, statistic_step[0::6, 0], label ='Original Hyperbolic')
|
||||
ax1.plot(data_usages, statistic_step[1::6, 0], label ='Nonlinear Hyperbolic')
|
||||
ax1.plot(data_usages, statistic_step[2::6, 0], color='k', label ='Step Loading')
|
||||
ax1.legend()
|
||||
|
||||
# mean fe
|
||||
# 데이터 사용량 대비 FE 평균값 변화 도시
|
||||
ax2.set_ylabel('Mean(FE) (cm)')
|
||||
ax2.plot(data_usages, statistic2[3::6, 0])
|
||||
ax2.plot(data_usages, statistic2[4::6, 0])
|
||||
ax2.plot(data_usages, statistic2[5::6, 0], color='k')
|
||||
ax2.plot(data_usages, statistic_step[3::6, 0])
|
||||
ax2.plot(data_usages, statistic_step[4::6, 0])
|
||||
ax2.plot(data_usages, statistic_step[5::6, 0], color='k')
|
||||
|
||||
# median rmse
|
||||
# 데이터 사용량 대비 RMSE 중앙값 변화 도시
|
||||
ax3.set_ylabel('Median(RMSE) (cm)')
|
||||
ax3.plot(data_usages, statistic2[0::6, 1])
|
||||
ax3.plot(data_usages, statistic2[1::6, 1])
|
||||
ax3.plot(data_usages, statistic2[2::6, 1], color='k')
|
||||
ax3.plot(data_usages, statistic_step[0::6, 1])
|
||||
ax3.plot(data_usages, statistic_step[1::6, 1])
|
||||
ax3.plot(data_usages, statistic_step[2::6, 1], color='k')
|
||||
|
||||
# median fe
|
||||
# 데이터 사용량 대비 FE 중앙값 변화 도시
|
||||
ax4.set_ylabel('Median(FE) (cm)')
|
||||
ax4.plot(data_usages, statistic2[3::6, 1])
|
||||
ax4.plot(data_usages, statistic2[4::6, 1])
|
||||
ax4.plot(data_usages, statistic2[5::6, 1], color='k')
|
||||
ax4.plot(data_usages, statistic_step[3::6, 1])
|
||||
ax4.plot(data_usages, statistic_step[4::6, 1])
|
||||
ax4.plot(data_usages, statistic_step[5::6, 1], color='k')
|
||||
|
||||
# percentile rmse
|
||||
# 데이터 사용량 대비 RMSE의 90% Percentile 변화 도시
|
||||
ax5.set_ylabel('90% Percentile(RMSE) (cm)')
|
||||
ax5.plot(data_usages, statistic2[0::6, 2])
|
||||
ax5.plot(data_usages, statistic2[1::6, 2])
|
||||
ax5.plot(data_usages, statistic2[2::6, 2], color='k')
|
||||
ax5.plot(data_usages, statistic_step[0::6, 2])
|
||||
ax5.plot(data_usages, statistic_step[1::6, 2])
|
||||
ax5.plot(data_usages, statistic_step[2::6, 2], color='k')
|
||||
|
||||
# percentile fe
|
||||
# 데이터 사용량 대비 FE의 90% Percentile 변화 도시
|
||||
ax6.set_ylabel('90% Percentile(FE) (cm)')
|
||||
ax6.plot(data_usages, statistic2[3::6, 2])
|
||||
ax6.plot(data_usages, statistic2[4::6, 2])
|
||||
ax6.plot(data_usages, statistic2[5::6, 2], color='k')
|
||||
ax6.plot(data_usages, statistic_step[3::6, 2])
|
||||
ax6.plot(data_usages, statistic_step[4::6, 2])
|
||||
ax6.plot(data_usages, statistic_step[5::6, 2], color='k')
|
||||
|
||||
# 각 subplot을 포함한 리스트 설정
|
||||
axes = [ax1, ax2, ax3, ax4, ax5, ax6]
|
||||
|
||||
# 공통 사항 적용
|
||||
Loading…
Reference in New Issue