scripts/plot.py

   1 """Procedures for plotting graphs."""
   2 import sys
   3 import matplotlib.pyplot as plt
   4 import numpy as np
   5
   6 import scenario
   7
   8 def boxplot(w={}, t="", yl=None, lx="Elapsed time [s]", ly=""):
   9     """Plot boxplot graph.
  10
  11     Keyword arguments:
  12     w -- What to plot.
  13     t -- Graph title.
  14     yl -- Y axis limit [min, max].
  15     """
  16     f, ax = plt.subplots()
  17
  18     if False: # is the y axis log scale?
  19         ax.set_title("{} -- {} (log yscale)".format(scenario.SNAME, t))
  20         ax.set_yscale("log")
  21     else:
  22         ax.set_title("{} -- {}".format(scenario.SNAME, t))
  23
  24     ax.set_xlabel(lx)
  25     ax.set_ylabel(ly)
  26
  27     ax.boxplot([v for k, v in w.items()], labels=[k for k, v in w.items()])
  28     ax.minorticks_on()
  29     ax.grid(
  30         which="major",
  31         axis="y",
  32         linestyle="-",
  33         linewidth="0.5",
  34         color="gray",
  35     )
  36     ax.grid(
  37         which="minor",
  38         axis="y",
  39         linestyle=":",
  40         linewidth="0.5",
  41         color="gray",
  42     )
  43     if yl:
  44         ax.set_ylim(yl)
  45     plt.xticks(rotation=45)
  46     plt.savefig("out.eps", bbox_inches="tight")
  47     plt.close()
  48
  49 def boxplots(w2=[]):
  50     """Plot boxplot for multiple times.
  51
  52     Keyword arguments:
  53     w -- What to plot. It is extracted from `w2`.
  54     """
  55     f, ax = plt.subplots()
  56     eax = ax.twinx()
  57
  58     [w, no_opt] = w2
  59
  60     key = tuple(w.keys())[0]
  61     title = scenario.TITLE.split("/")[-2].split(".json")[0].split("sc")[1].replace("_", "-")
  62     ax.set_title("Final path cost, out-of-slot planner, {}".format(title))
  63     ax.set_xlabel("Elapsed time [s]")
  64     ax.set_ylabel("Cost [m]")
  65     eax.set_ylabel("Timed-out rate [%]")
  66
  67     M = len(w[key][0])
  68     err_hist = [0 for i in range(M)]
  69     val_list = [[] for i in range(M)]
  70     mi = 999999999999
  71     ma = -1
  72     N = len(w[key])
  73     for i in range(len(w[key])):
  74         for j in range(M):
  75             if w[key][i][j] == 0:
  76                 err_hist[j] += 1
  77             else:
  78                 v = w[key][i][j]
  79                 val_list[j].append(v)
  80                 if v < mi: mi = v
  81                 if v > ma: ma = v
  82     for i in range(len(err_hist)):
  83         err_hist[i] *= 100 / N
  84
  85     maxes = [max(val_list[i]) if len(val_list[i]) > 0 else 0 for i in range(M)]
  86     MAX = max(maxes)
  87     mins = [min(val_list[i]) if len(val_list[i]) > 0 else 0 for i in range(M)]
  88     MIN = min(mins)
  89     ax.set_ylim([MIN -5, MAX +5])
  90
  91     EMAX = max(err_hist)
  92     EMIN = 0
  93     #eax.set_ylim([-EMAX -5, 0])
  94
  95     average = [np.average(val_list[i]) for i in range(M)]
  96     # 95 and 5 are not used
  97     perct_95 = [np.percentile(val_list[i], [95])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
  98     perct_5 = [np.percentile(val_list[i], [5])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
  99     # percentiles by 10 %
 100     perct_10 = [np.percentile(val_list[i], [10])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 101     perct_20 = [np.percentile(val_list[i], [20])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 102     perct_30 = [np.percentile(val_list[i], [30])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 103     perct_40 = [np.percentile(val_list[i], [40])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 104     perct_50 = [np.percentile(val_list[i], [50])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 105     perct_60 = [np.percentile(val_list[i], [60])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 106     perct_70 = [np.percentile(val_list[i], [70])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 107     perct_80 = [np.percentile(val_list[i], [80])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 108     perct_90 = [np.percentile(val_list[i], [90])[0] if len(val_list[i]) > 0 else 0 for i in range(M)]
 109
 110     # find index of the closest to average path
 111     average_i = [
 112         (i, w[key][i][-1])
 113         for i in range(len(w[key]))
 114     ]
 115     average_i = sorted(average_i, key=lambda i: i[1])
 116     # this is for figures to the paper -- min/max path cost
 117     n0i = 0
 118     for i in average_i:
 119         if i[1] > 0:
 120             n0i = i[0]
 121             break
 122     print("{} {}".format(n0i, average_i[-1][0]))
 123
 124     lhs = []
 125     # err hist
 126     lhs.append(
 127     eax.fill_between(
 128         range(1, M+1),
 129         [i for i in err_hist],
 130         [0 for i in range(1, M+1)],
 131         color="tab:red",
 132         alpha=0.2,
 133         label="Not found paths",
 134     )
 135     )
 136     # plot percentiles
 137     lhs.append(
 138     ax.fill_between(
 139         range(1, M+1),
 140         mins,
 141         maxes,
 142         color="tab:orange",
 143         alpha=0.2,
 144         label="Minimum and maximum, optimized",
 145     )
 146     )
 147     lhs.append(
 148     ax.fill_between(
 149         range(1, M+1),
 150         perct_10,
 151         perct_90,
 152         color="tab:orange",
 153         alpha=0.25,
 154         label="10 % and 90 % percentile, optimized",
 155     )
 156     )
 157     lhs.append(
 158     ax.fill_between(
 159         range(1, M+1),
 160         perct_20,
 161         perct_80,
 162         color="tab:orange",
 163         alpha=0.3,
 164         label="20 % and 80 % percentile, optimized",
 165     )
 166     )
 167     lhs.append(
 168     ax.fill_between(
 169         range(1, M+1),
 170         perct_30,
 171         perct_70,
 172         color="tab:orange",
 173         alpha=0.35,
 174         label="30 % and 70 % percentile, optimized",
 175     )
 176     )
 177     lhs.append(
 178     ax.fill_between(
 179         range(1, M+1),
 180         perct_40,
 181         perct_60,
 182         color="tab:orange",
 183         alpha=0.4,
 184         label="40 % and 60 % percentile, optimized",
 185     )
 186     )
 187     # plot median and average
 188     lhs.append(
 189     ax.plot(
 190         range(1, M+1),
 191         perct_50,
 192         color="tab:orange",
 193         alpha=1,
 194         label="50 % percentile (median), optimized",
 195     )
 196     )
 197     lhs.append(
 198     ax.plot(
 199         range(1, M+1),
 200         average,
 201         color="tab:red",
 202         alpha=1,
 203         label="Average cost after optimization",
 204     )
 205     )
 206     # plot average before path optimization
 207     #ax.plot(
 208     #    range(1, M+1),
 209     #    [np.average([i for i in no_opt[key].values()]) for i in range(1, M+1)],
 210     #    label="Average cost before optimization",
 211     #    color="tab:blue",
 212     #    linestyle="--",
 213     #)
 214
 215     plt.xticks(range(1, M+1), ["{:.2f}".format(0.1 * (k+1)) for k in range(M)])
 216     ax.minorticks_on()
 217
 218     ax.tick_params(axis='x', labelrotation=45)
 219     ax.legend(loc="upper left")
 220     eax.legend(loc="upper right")
 221     plt.savefig("out.pdf", bbox_inches="tight")
 222     plt.close()
 223
 224 def barplot(wl=[], t="", yl=None, lx="Entry Point Planner variant [-]", ly=""):
 225     """Plot barplot graph.
 226
 227     Keyword arguments:
 228     wl -- What to plot list.
 229     t -- Graph title.
 230     yl -- Y axis limit [min, max].
 231     """
 232     if len(wl) < 1:
 233         raise ValueError
 234     elif len(wl) == 1:
 235         wl.append([])
 236     f, ax = plt.subplots()
 237     ax.set_title(t)
 238     ax.set_xlabel(lx)
 239     ax.set_ylabel(ly)
 240     w = wl[0]
 241     ax.bar(
 242         range(len(w)),
 243         [v for k, v in w.items()],
 244         tick_label=[k for k, v in w.items()],
 245         width=1 / (len(wl) + 1),
 246     )
 247     for i in range(1, len(wl) - 1):
 248         w = wl[i]
 249         ax.bar(
 250             [j + i * 1/len(wl) for j in range(len(w))],
 251             [v for k, v in w.items()],
 252             width=1 / (len(wl) + 1),
 253         )
 254     ax.minorticks_on()
 255     ax.grid(
 256         which="major",
 257         axis="y",
 258         linestyle="-",
 259         linewidth="0.5",
 260         color="gray"
 261     )
 262     ax.grid(
 263         which="minor",
 264         axis="y",
 265         linestyle=":",
 266         linewidth="0.5",
 267         color="gray",
 268     )
 269     if yl:
 270         ax.set_ylim(yl)
 271     plt.xticks(rotation=45)
 272     plt.savefig("out.eps", bbox_inches="tight")
 273     plt.close()
 274
 275 def histplot(w={}, t="", lx="Algorithm computation time [s]", ly="Number of paths found [-]"):
 276     """Plot histogram graph.
 277
 278     Keyword arguments:
 279     w -- What to plot.
 280     t -- Graph title.
 281     """
 282     f, ax = plt.subplots()
 283     ax.set_title("{} (log yscale)".format(t))
 284     ax.set_yscale("log")
 285     ax.set_xlim(-10, 500)
 286     ax.set_xlabel(lx)
 287     ax.set_ylabel(ly)
 288
 289     COLORS = ["tab:orange", "tab:red", "tab:blue", "tab:green"]
 290     i = 0
 291
 292     for ck, cv in w.items():
 293         ax.hist(
 294             [v for k, v in w.items() if k == ck],
 295             #alpha = 0.5,
 296             histtype = "step",
 297             #bins = 30,
 298             color=COLORS[i]
 299         )
 300         X_WHERE = np.percentile([v for k, v in w.items() if k == ck], [95])
 301         print("percentile is {}".format(X_WHERE))
 302         plt.axvline(X_WHERE, lw=1, linestyle="--", color=COLORS[i])
 303         i += 1
 304
 305     ax.minorticks_on()
 306     ax.grid(
 307         which="major",
 308         axis="y",
 309         linestyle="-",
 310         linewidth="0.5",
 311         color="gray",
 312     )
 313     ax.grid(
 314         which="minor",
 315         axis="y",
 316         linestyle=":",
 317         linewidth="0.5",
 318         color="gray",
 319     )
 320     plt.legend([k for k, v in w.items()])
 321     plt.xticks(rotation=45)
 322     plt.savefig("out.eps", bbox_inches="tight")
 323     plt.close()
 324
 325 if __name__ == "__main__":
 326     if len(sys.argv) > 1:
 327         w = sys.argv[1]
 328     else:
 329         w = "time"
 330     if len(sys.argv) > 2:
 331         scenario.DNAME = sys.argv[2]
 332
 333     plt.rcParams["figure.figsize"] = [12, 12]
 334     plt.rcParams["font.size"] = 21
 335     plt.rcParams["font.family"] = "cmr10"
 336     plt.rcParams["hatch.linewidth"] = 1.0
 337     plt.rcParams["lines.linewidth"] = 1.0
 338
 339     if w == "time":
 340         boxplot(scenario.time(), "Elapsed time", yl=[0.0004, 200], ly="Time [s]")
 341     elif w == "htime":
 342         histplot(scenario.time(), "Histogram of time to find a path")
 343     elif w == "cost":
 344         boxplot(scenario.cost(), "Final path cost", yl=[0, 80], ly="Cost [m]")
 345     elif w == "costs":
 346         boxplots(scenario.costs())
 347     elif w == "hcost":
 348         histplot(scenario.cost(), "Final path cost histogram")
 349     elif w == "orig_cost":
 350         boxplot(scenario.orig_cost(), "Original path cost", yl=[0, 80], ly="Cost [m]")
 351     elif w == "orig_hcost":
 352         histplot(scenario.orig_cost(), "Original path cost histogram")
 353     elif w == "cusp":
 354         boxplot(scenario.cusp(), "Changes in direction", ly="Changes [-]")
 355     elif w == "hcusp":
 356         histplot(scenario.cusp(), "Changes in direction histogram")
 357     elif w == "error":
 358         barplot(
 359             scenario.error_rate(),
 360             "Path not found rate",
 361             ly="Path not found [%]",
 362         )
 363     elif w == "iter":
 364         boxplot(
 365             scenario.iter(),
 366             "Number of iterations",
 367             yl=[1, 1000],
 368             ly="Iterations [-]",
 369         )
 370     else:
 371         print("""The following arguments are allowed:
 372
 373         time, htime, cost, hcost, cusp, hcusp, error, iter
 374         """)