Matplotlib colormaps

Тенденции разработки программного обеспечения в 2022 году Изучение

В Python одной из наиболее широко используемых библиотек является Matplotlib. Джон Хантер создал ее в 2002 году как многоплатформенную библиотеку, которая могла работать в различных операционных системах. Метод cmap() в пакете Matplotlib предоставляет множество встроенных цветовых карт. Компонент Pyplot библиотеки Matplotlib предлагает интерфейс, подобный MATLAB. Он также помогает в построении линий, трехмерных диаграмм, столбцов, контуров и точечных диаграмм, среди прочего.

Кроме того, цветовые карты часто классифицируются как последовательные, расходящиеся, качественные или циклические, в зависимости от их функциональности. Возвращенную форму большинства стандартных цветовых карт можно получить, включив «_r» в имя. Matplotlib предлагает несколько разработанных цветовых карт, доступ к которым можно получить через matplotlib.cm.get.cmap. В этой статье мы поговорим о цветовых картах Matplotlib в Python.

Создание нашей палитры

Мы будем изменять и развивать наши карты цветов, если нам потребуются сложные карты цветов или если предопределенные карты цветов Matplotlib не удовлетворяют нашим требованиям. Когда вы пытаетесь вписать цветовую карту в шаблон, ее значительно сложнее спроектировать и создать. Визуализация, встроенная в панель или веб-страницу с использованием уже существующей цветовой темы.

import matplotlib.pyplot as plt

import numpy as np

data = np.random.random([140, 140]) * 20

plt.figure(figsize=(8, 8))

plt.pcolormesh(data)

plt.colorbar()

В этом сценарии давайте внесем некоторые изменения в наши карты цветов. Нам нужно интегрировать библиотеки, а затем использовать эту программу для создания демонстрационных данных, которые будут отображаться. Элемент данных представляет собой набор 140×140 целых значений в диапазоне от 0 до 20.

Мы можем оценить это, выполнив следующую команду. После этого мы используем этот метод для отображения фиктивного набора данных с обычными картами цветов. Однако, если мы не указали используемые нами цветовые карты, будут разработаны цветовые карты по умолчанию.

Мы можем оценить это, выполнив следующую

Классы цветовых карт

Последовательные цветовые карты, циклические цветовые карты, расходящиеся цветовые карты и качественные цветовые карты — это некоторые классы цветовых карт, доступных в Matplotlib. Мы собираемся дать вам представления каждой категоризированной карты цветов.

import numpy as np

import matplotlib.pyplot as plt

= np.linspace(-np.pi, np.pi, 60)

= np.linspace(-np.pi, np.pi, 60)

X,= np.meshgrid(x,y)

= np.sin(X + Y/6)

fig = plt.figure(figsize = (14,5.5))

fig.subplots_adjust(wspace=0.4)

plt.subplot(1,4,1)

plt.pcolormesh(X, Y, Z, cmap=plt.cm.get_cmap(‘Greens’))

plt.colorbar()

plt.axis([2, 2, —2, 2])

plt.title(‘Sequential’)

plt.subplot(1,4,2)

plt.pcolormesh(X, Y, Z, cmap=plt.cm.get_cmap(‘RdBu’))

plt.colorbar()

plt.axis([1, 1, —1, 1])

plt.title(‘Diverging’)

plt.subplot(1,4,3)

plt.pcolormesh(X, Y, Z, cmap=plt.cm.get_cmap(‘RdBu_r’))

plt.colorbar()

plt.axis([1, 1, —1, 1])

plt.title(‘Cyclic’)

plt.subplot(1,4,4)

plt.pcolormesh(X, Y, Z, cmap=plt.cm.get_cmap(‘Dark2’))

plt.colorbar()

plt.axis([3, 3, —3, 3])

plt.title(‘Qualitative’)

Последовательные цветовые карты означают постепенное изменение яркости и интенсивности цвета, часто с использованием только одного тона; это должно быть необходимо для демонстрации данных с последовательностью.

Читайте также:  Как получить данные в Svelte?

Расходящиеся цветовые карты : представляют собой изменение яркости и, возможно, интенсивности двух отдельных оттенков, которые достигают консенсуса в ненасыщенном цвете. Этот стиль можно использовать, когда отображаемые данные содержат релевантное среднее значение, например топологию, или если данные отличаются от нуля.

Циклические карты цветов : показывает переход интенсивности двух цветов, пересекающихся в центре и начинающихся/заканчивающихся ненасыщенным тоном. Эти цветовые карты можно использовать для элементов, которые вращаются вокруг терминалов, таких как фазовый угол, характер ветра или продолжительность дня.

Качественные цветовые карты: различные оттенки, используемые для изображения данных, которые не содержат какого-либо порядка или ассоциации.

различные оттенки, используемые для изображения данных

Цветовые карты обычно делятся на эти группы в зависимости от их назначения.

Использование встроенной палитры Matplotlib

Выбор подходящей цветовой карты — это получение хорошего описания нашей точки данных в трехмерной цветовой карте. Цветовая карта критерия, особенно когда идентичные этапы данных интерпретируются как аналогичные этапы в цветовом пространстве, является оптимальным выбором для многих целей.

Исследователи обнаружили, что наш мозг распознает изменения параметра яркости при изменении данных значительно лучше, чем изменения цвета. В результате наблюдатель будет легко понимать карты цветов с постоянным увеличением яркости по всей цветовой модели.

import numpy as np

import matplotlib.pyplot as plt

x, y = np.mgrid[6:6:0.06, —6:6:0.06]

= (np.sqrt(x**4 + y**4) + np.sin(x**4 + y**4))

fig, ax = plt.subplots(1,1)

im = ax.imshow(z)

fig.colorbar(im)

ax.yaxis.set_major_locator(plt.NullLocator())

ax.xaxis.set_major_locator(plt.NullLocator())

В качестве класса-примеси объекты, созданные такими методами, как pcolor(), контур(), scatter() и imshow() подтипа ScalarMappable. Классы Mixin включают в себя общие функции, но не предназначены для того, чтобы «стоять в пределах своих собственных». Они не являются основным классом объекта. Это то, что позволяет различным объектам, таким как Коллекция, предоставляемая poclor() или scatter(), и Изображение, созданное imshow(), совместно использовать инфраструктуру карты цветов.

Читайте также:  Как создать приложение для виртуального класса и почему за ним будущее онлайн-обучения?

В качестве класса-примеси объекты, созданные такими

Цветовые карты по умолчанию в Matplotlib

Matplotlib включает в себя огромное количество предопределенных цветовых карт, как показано здесь. Различные библиотеки с большим количеством дополнительных цветовых карт предоставляются в пакете Matplotlib. Давайте продолжим и попробуем четыре разные цветовые карты Matplotlib.

import numpy as np

import matplotlib.pyplot as plt

x, y = np.mgrid[6:6:0.06, —6:6:0.06]

= (np.sqrt(x**4 + y**4) + np.sin(x**4 + y**4))

from mpl_toolkits.axes_grid1 import make_axes_locatable

fig, axes = plt.subplots(2,2, figsize=(20,20))

for ax, name in zip(axes.flatten(), cmap_list):

im = ax.imshow(z, aspect=‘auto’, cmap=plt.get_cmap(name))

ax.yaxis.set_major_locator(plt.NullLocator())

ax.xaxis.set_major_locator(plt.NullLocator())

ax.set_aspect(‘equal’, adjustable=‘box’)

divider = make_axes_locatable(ax)

cax = divider.append_axes(«right», size=«6%», pad=0.2)

plt.colorbar(im, cax=cax)

Инвертированный вариант большинства предустановленных цветовых карт можно получить, вставив «_r» в метку. Matplotlib.cm.get cmap (имя), здесь мы передаем имя параметра этой функции, которая показывает имя карты цветов, может использоваться для их получения.

Любые указанные карты цветов идентифицируются функцией get_cmap(). Используйте matplotlib.cm.register_cmap (имя, cmap) для регистрации любой карты цветов.

Любые указанные карты цветов идентифицируются фун

Заключение

В этой статье мы рассмотрели цветовые карты Matplotlib. Далее мы обсудили использование функции cmap() в Python. Из-за восприятия человеческого разума выбор правильного оттенка для наших цветовых карт имеет решающее значение. Цвет передает мысли, настроения и чувства. Matplotlib имеет множество цветовых карт, но некоторые люди отдают предпочтение цветовым картам. В Matplotlib у нас есть возможность создавать и редактировать наши цветовые карты. Мы использовали цветовые карты «RdYlBu_r» для оценки данных перед изменением цветовых карт.

Оцените статью
bestprogrammer.ru
Добавить комментарий

Adblock
detector