【LLM之RAG】Self-RAG论文阅读笔记

策略模式（Strategy Pattern）:允许定义一系列算法，将它们封装起来，使得它们可以互换。

实现绘制不同类型的图表（如折线图、柱状图和饼图）功能。

下面是一个示例，展示如何传入横坐标和纵坐标内容，然后绘制不同类型的图表。

import matplotlib.pylab as plt
from abc import ABC, abstractmethod

class PlotStrategy(ABC):
    # 抽象类：强制子类实现此方法
    @abstractmethod
    def plot(self, x_data, y_data, desc):
        pass

class LinePlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('折线图')
        plt.plot(x_data,y_data,marker=0)
        plt.title(desc[0])
        plt.xlabel(desc[1])
        plt.ylabel(desc[2])
        plt.show()

class BarPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('柱状图')
        plt.bar(x_data, y_data)
        plt.title(desc[0])
        plt.xlabel(desc[1])
        plt.ylabel(desc[2])
        plt.show()

class PiePlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('饼图')
        labels = x_data
        sizes = y_data
        plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
        plt.axis('equal') # 正圆形
        plt.title(desc[0])
        plt.show()


# Context类持有PlotStrategy的引用。可以通过set_strategy方法动态地更改策略
class Context:
    def __int__(self, strategy: PlotStrategy):
        # _ 开头的变量,表示这是一个受保护的变量
        # 该变量只在类内部及其子类中使用，而不应在类外部直接访问
        self._strategy = strategy

    def set_strategy(self,strategy: PlotStrategy):
        self._strategy = strategy

    def execute_strategy(self, x_data, y_data, desc):
        self._strategy.plot(x_data, y_data, desc)


x = ['A','B','C']
y = [2,3,6]
desc = ['title','x','y']

# line = LinePlotStrategy().plot(x, y, desc)
# bar = BarPlotStrategy().plot(x,  y, desc)
# pie = PiePlotStrategy().plot(x,  y, desc)

context = Context()

context.set_strategy(LinePlotStrategy())
context.execute_strategy(x,  y, desc)

context.set_strategy(BarPlotStrategy())
context.execute_strategy(x,  y, desc)

context.set_strategy(PiePlotStrategy())
context.execute_strategy(x,  y, desc)

import matplotlib.pylab as plt
from abc import ABC, abstractmethod
import seaborn as sns
import pandas as pd
import plotly.graph_objects as go
import plotly.io as pio
import altair as alt
from bokeh.plotting import figure, output_file, show
from bokeh.io import output_file,show
from bokeh.palettes import Category20c
from bokeh.plotting import figure, show
from bokeh.transform import cumsum
from math import pi

class PlotStrategy(ABC):
    # 抽象类：强制子类实现此方法
    @abstractmethod
    def plot(self, x_data, y_data, desc):
        pass

class LinePlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('折线图')
        plt.clf()  # 清除当前图形内容
        plt.plot(x_data,y_data,color='blue', linestyle='-', linewidth=2, marker='o', markersize=6, label='sin(x)')
        plt.title(desc[0], fontsize=16)
        plt.xlabel(desc[1], fontsize=14)
        plt.ylabel(desc[2], fontsize=14)

        plt.xticks(fontsize=12)
        plt.yticks(fontsize=12)

        plt.legend(fontsize=12)  # 添加图例

        plt.grid(True)  # 添加网格
        plt.tight_layout()  # 自动调整布局
        # plt.show()
        plt.savefig('./line.png')

class BarPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        plt.clf()  # 清除当前图形内容
        print('柱状图')
        bars = plt.bar(x_data, y_data,color='skyblue', edgecolor='grey')
        plt.title(desc[0], fontsize=16)
        plt.xlabel(desc[1], fontsize=14)
        plt.ylabel(desc[2], fontsize=14)
        # 添加数值标签
        for bar in bars:
            plt.text(bar.get_x() + bar.get_width() / 2, bar.get_height(),
                     round(bar.get_height(), 1), ha='center', va='bottom')
        plt.xticks(fontsize=12)
        plt.yticks(fontsize=12)
        plt.tight_layout()  # 自动调整布局
        # plt.show()
        plt.savefig('./bar.png')

class PiePlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        plt.clf()# 清除当前图形内容
        print('饼图')
        labels = x_data
        sizes = y_data
        plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
        plt.axis('equal') # 正圆形
        plt.title(desc[0])
        # plt.show()
        plt.savefig('./pie.png')

class SeabornPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        plt.clf()  # 清除当前图形内容
        print('Seaborn数据可视化库生成折线图')
        # Seaborn 是基于 matplotlib 的数据可视化库，提供了更高层次的接口，使得统计数据可视化更加简单和美观
        sns.lineplot(x = x_data,y = y_data)
        # plt.show()
        plt.savefig('./line_seaborn.png')

        plt.clf()  # 清除当前图形内容
        print('Seaborn数据可视化库生成柱状图')
        # 示例数据
        data = {'Category': x_data,'Values': y_data}
        # 创建一个 DataFrame
        df = pd.DataFrame(data)
        sns.barplot(x='Category', y='Values', data=df)
        # plt.show()
        plt.savefig('./bar_seaborn.png')

class PlotlyPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        print('使用 Plotly 画折线图')
        # 使用 Plotly 画折线图,Plotly 是一个交互式可视化库，支持绘制高质量的动态图表和仪表板。它可以生成 HTML 文件或者在线展示
        fig = go.Figure(data=go.Scatter(x=x_data, y=y_data))
        # fig.show()
        # 需要安装 kaleido 这个附加依赖，它是 Plotly 的推荐渲染引擎
        # pio.write_image(fig, './line_plotly.png') # 执行失败，执行到此步骤 长时间无响应
        # fig.write_image('./line_plotly.png')      # 执行失败，执行到此步骤 长时间无响应
        fig.write_html('./line_plotly.html')

        print('使用 Plotly 画柱状图')
        fig = go.Figure(data=go.Bar(x=x_data, y=y_data))
        fig.update_layout(
            title=desc[0],
            xaxis=dict(title=desc[1]),
            yaxis=dict(title=desc[2])
        )
        # fig.show()
        fig.write_html('./bar_plotly.html')

        print('使用 Plotly 画饼图')
        fig = go.Figure(data=go.Pie(labels=x_data, values=y_data))
        fig.update_layout(
            title=desc[0]
        )
        # fig.show()
        fig.write_html('./pie_plotly.html')

class AltairPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        # Altair 是一个 Python 可视化库，使用简洁的声明式语法创建交互式可视化
        print('使用 Altair 画折线图')
        # 创建示例数据
        data = pd.DataFrame({
            'x': x_data,
            'y': y_data
        })
        # 创建折线图
        line_chart = alt.Chart(data).mark_line().encode(
            x='x',
            y='y'
        ).properties(
            title=desc[0]
        )
        # 显示折线图
        line_chart.save('./line_altair.html')

        print('使用 Altair 画柱状图')
        # 创建示例数据
        data = pd.DataFrame({
            'x': x_data,
            'y': y_data
        })

        # 创建柱状图
        bar_chart = alt.Chart(data).mark_bar().encode(
            x='x',
            y='y'
        ).properties(
            title=desc[0]
        )
        # 显示柱状图
        bar_chart.save('./bar_altair.html')

        print('使用 Altair 画饼图')
        # 创建示例数据
        data = pd.DataFrame({
            'category': x_data,
            'value': y_data
        })
        # 计算百分比
        data['percent'] = (data['value'] / (data['value'].sum()) * 100).round(2)
        # 创建饼图
        pie_chart = alt.Chart(data).mark_arc(
            size=200,  # 设置饼图的大小
            outerRadius=150  # 设置饼图半径
        ).encode(
            theta='value:Q',  # 角度根据value列的值来编码
            color='category:N',  # 颜色根据category列的值来编码
            tooltip=['category', 'percent:Q'],  # tooltip显示category和percent列
        ).properties(
            width=300,
            height=300,
            title=desc[0]
        )
        # 显示饼图,Altair 不直接支持在每个扇区上显示两个不同的文本标签（值和百分比）
        pie_chart.save('./pie_altair.html')


class BokehPlotStrategy(PlotStrategy):
    def plot(self, x_data, y_data, desc):
        # 使用 Bokeh 画折线图,Plotly 是一个交互式的可视化库，可以生成漂亮的图表，并支持与用户交互，例如缩放、悬停等操作
        # 官方文档：https://docs.bokeh.org/en/latest/docs/user_guide/basic/lines.html
        print('使用 Bokeh 画折线图')
        # # 创建绘图对象
        # output_file("./line_bokeh.html")
        # p = figure(width=400, height=400)
        #
        # # add a line renderer
        # p.line(x_data, y_data, line_width=2)
        # # 显示图表
        # show(p)

        print('使用 Bokeh 画柱状图')
        p = figure(x_range=x_data, height=350, title=desc[0],toolbar_location=None, tools="")
        p.vbar(x=x_data, top=y_data, width=0.9)
        p.xgrid.grid_line_color = None
        p.y_range.start = 0
        output_file("./bar_bokeh.html")
        show(p)

        print('使用 Bokeh 画饼图')
        categories = x_data  # 图例标签
        values = y_data  # 饼图的数值
        # 计算起始和结束角度
        start_angles = [2 * pi * i / sum(values) for i, _ in enumerate(values[:-1])]
        end_angles = [2 * pi * (i + 1) / sum(values) for i, _ in enumerate(values)]

        # 创建绘图对象
        p = figure(title=desc[0], x_axis_type=None, y_axis_type=None, toolbar_location=None)

        # 绘制饼图，确保legend_label是字符串
        for i, (start, end, cat) in enumerate(zip(start_angles, end_angles, categories)):
            p.wedge(x=0, y=1, radius=0.8,
                    start_angle=start, end_angle=end,
                    line_color="white", fill_color="blue",  # 可以为每个扇形设置不同的颜色
                    legend_label=str(cat))  # 确保legend_label是字符串

        # 添加图例
        p.legend.location = "top_right"
        p.legend.click_policy = "hide"  # 可选：点击图例项来隐藏/显示对应的图形
        # 显示图表
        output_file("pie_bokeh.html")
        show(p)



# Context类持有PlotStrategy的引用。可以通过set_strategy方法动态地更改策略
class Context:
    def __int__(self, strategy: PlotStrategy):
        # _ 开头的变量,表示这是一个受保护的变量
        # 该变量只在类内部及其子类中使用，而不应在类外部直接访问
        self._strategy = strategy

    def set_strategy(self,strategy: PlotStrategy):
        self._strategy = strategy

    def execute_strategy(self, x_data, y_data, desc):
        self._strategy.plot(x_data, y_data, desc)


x = ['A','B','C','D','E','F','G']
y = [2,3,6,1,4,4,3]
x1 = [1,2,3,4,5,6,7]
desc = ['title','x','y']

# line = LinePlotStrategy().plot(x, y, desc)
# bar = BarPlotStrategy().plot(x,  y, desc)
# pie = PiePlotStrategy().plot(x,  y, desc)
# seab = SeabornPlotStrategy().plot(x,y,desc)

context = Context()

context.set_strategy(LinePlotStrategy())
context.execute_strategy(x,  y, desc)

context.set_strategy(BarPlotStrategy())
context.execute_strategy(x,  y, desc)

context.set_strategy(PiePlotStrategy())
context.execute_strategy(x,  y, desc)

context.set_strategy(SeabornPlotStrategy())
context.execute_strategy(x,  y, desc)

context.set_strategy(PlotlyPlotStrategy())
context.execute_strategy(x,  y, desc)

context.set_strategy(AltairPlotStrategy())
context.execute_strategy(x,  y, desc)

context.set_strategy(BokehPlotStrategy())
context.execute_strategy(x,  y, desc)

网格和布局 — Bokeh 3.4.1 文档

Specifying Data — Vega-Altair 5.3.0 documentation (altair-viz.github.io)

Plotly Python 图形库

Python API 参考 plotly — 5.22.0 文档

 Seaborn：统计数据可视化 — Seaborn 0.13.2 文档 (pydata.org)

API reference — seaborn 0.13.2 documentation

User guide and tutorial — seaborn 0.13.2 documentation