Estom的博客

Contourf演示如何使用 axes.Axes.contourf() 方法创建填充的等高线图。 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899import numpy as npimport matplotlib.pyplot as pltorigin = 'lower'delta = 0.025x = y = np.arange(-3.0, 3.01, delta)X, Y = np.meshgrid(x, y)Z1 = np.exp(-X**2 - Y**2)Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)Z = (Z1 - Z2) * 2nr, nc = Z.shape# put NaNs in on...

等高线标签演示说明一些可以用等高线的标签做的更高级的东西。 另请参见轮廓演示示例。 1234import matplotlibimport numpy as npimport matplotlib.ticker as tickerimport matplotlib.pyplot as plt 定义我们的外观 1234567delta = 0.025x = np.arange(-3.0, 3.0, delta)y = np.arange(-2.0, 2.0, delta)X, Y = np.meshgrid(x, y)Z1 = np.exp(-X**2 - Y**2)Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)Z = (Z1 - Z2) * 2 使用创造性的浮动类制作等高线的标签，遵循曼纽尔·梅茨的建议。 123456789101112131415161718192021222324252627# Define a class that forces representation of float to look a certain way# Th...

Contourf 影线法演示填充轮廓图形与阴影模式。 1234567891011import matplotlib.pyplot as pltimport numpy as np# invent some numbers, turning the x and y arrays into simple# 2d arrays, which make combining them together easier.x = np.linspace(-3, 5, 150).reshape(1, -1)y = np.linspace(-3, 5, 120).reshape(-1, 1)z = np.cos(x) + np.sin(y)# we no longer need x and y to be 2 dimensional, so flatten them.x, y = x.flatten(), y.flatten() 图1：最简单的带彩色条的阴影图 1234fig1, ax1 = plt.subplots()cs = ax1.contourf(x, y, z, hatches=[&#x...

Contourf 与记录颜色刻度演示在 Contourf 中记录颜色的标度 1234567891011121314151617181920212223242526272829303132333435363738394041import matplotlib.pyplot as pltimport numpy as npfrom numpy import mafrom matplotlib import ticker, cmN = 100x = np.linspace(-3.0, 3.0, N)y = np.linspace(-2.0, 2.0, N)X, Y = np.meshgrid(x, y)# A low hump with a spike coming out.# Needs to have z/colour axis on a log scale so we see both hump and spike.# linear scale only shows the spike.Z1 = np.exp(-(X)**2 - (Y)**2)Z2 = np.exp(-(X * ...

从颜色列表创建颜色图

BboxImage 演示BboxImage可用于根据边界框定位图像。此演示演示如何在text.Text的边界框内显示图像以及如何手动为图像创建边界框。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061import matplotlib.pyplot as pltimport numpy as npfrom matplotlib.image import BboxImagefrom matplotlib.transforms import Bbox, TransformedBboxfig, (ax1, ax2) = plt.subplots(ncols=2)# ----------------------------# Create a BboxImage with Text# ----------------------------txt = ax1.text(0.5, 0.5, "test&q...

Figimage 演示这说明了在没有轴对象的情况下，直接将图像放置在图形中。 12345678910111213import numpy as npimport matplotlibimport matplotlib.pyplot as pltfig = plt.figure()Z = np.arange(10000).reshape((100, 100))Z[:, 50:] = 1im1 = fig.figimage(Z, xo=50, yo=0, origin='lower')im2 = fig.figimage(Z, xo=100, yo=100, alpha=.8, origin='lower')plt.show() 参考本例中显示了下列函数、方法、类和模块的使用： 123matplotlib.figure.Figurematplotlib.figure.Figure.figimagematplotlib.pyplot.figimage 下载这个示例 下载python源码: figimage_demo.py 下载Jupyter...

创建带注释的热度图通常希望将依赖于两个独立变量的数据显示为彩色编码图像图。这通常被称为热度图。如果数据是分类的，则称为分类热度图。Matplotlib的imshow功能使得这种图的制作特别容易。 以下示例显示如何使用注释创建热图 我们将从一个简单的示例开始，并将其扩展为可用作通用功能。 一种简单的分类热度图我们可以从定义一些数据开始。我们需要的是一个二维列表或数组，它定义了颜色代码的数据。然后，我们还需要类别的两个列表或数组；当然，这些列表中的元素数量需要沿着各自的轴匹配数据。热度图本身是一个 imshow 图，其标签设置为我们所拥有的类别。请注意，重要的是同时设置刻度位置(Set_Xticks)和刻度标签(set_xtick标签)，否则它们将变得不同步。位置只是升序整数，而节拍标签则是要显示的标签。最后，我们可以通过在每个单元格内创建一个文本来标记数据本身，以显示该单元格的值。 123456789101112131415161718192021222324252627282930313233343536373839404142import numpy as npimport m...

图像演示在Matplotlib中绘制图像的许多方法。 在Matplotlib中绘制图像最常见的方法是使用 imShow()。下面的示例演示了imShow的许多功能以及您可以创建的许多图像。 123456import numpy as npimport matplotlib.cm as cmimport matplotlib.pyplot as pltimport matplotlib.cbook as cbookfrom matplotlib.path import Pathfrom matplotlib.patches import PathPatch 首先，我们将生成一个简单的二元正态分布。 12345678910111213delta = 0.025x = y = np.arange(-3.0, 3.0, delta)X, Y = np.meshgrid(x, y)Z1 = np.exp(-X**2 - Y**2)Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)Z = (Z1 - Z2) * 2fig, ax = plt.subplots()im...

图像掩码显示与掩码数组输入和范围以外的颜色。 第二个子图说明了如何使用边界规范来获得填充轮廓效果。 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465from copy import copyimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.colors as colors# compute some interesting datax0, x1 = -5, 5y0, y1 = -3, 3x = np.linspace(x0, x1, 500)y = np.linspace(y0, y1, 500)X, Y = np.meshgrid(x, y)Z1 = np.exp(-X**2 - Y**2)Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)Z = (Z1 - Z2) * 2# Se...