matplotlib.pyplot.imshow() i Python
Matplotlib er et bibliotek i Python, og det er numerisk - matematisk udvidelse til NumPy-biblioteket. Pyplot er en statsbaseret grænseflade til en Matplotlib modul som giver et MATLAB-lignende interface.
matplotlib.pyplot.imshow() Funktion:
Det imshow() funktion i pyplot-modulet i matplotlib-biblioteket bruges til at vise data som et billede; dvs. på et 2D almindelig raster.
Syntaks: matplotlib.pyplot.imshow(X, cmap=Ingen, norm=Ingen, aspekt=Ingen, interpolation=Ingen, alpha=Ingen, vmin=Ingen, vmax=Ingen, oprindelse=Ingen, omfang=Ingen, form=, filternorm=1 , filterrad=4.0, imlim=, resample=Ingen, url=Ingen, *, data=Ingen, **kwargs)
Parametre: Denne metode accepterer følgende parametre, der er beskrevet nedenfor:
X: Denne parameter er billedets data. cmap : Denne parameter er en farvekortforekomst eller et registreret farvekortnavn. norm : Denne parameter er Normalize-forekomsten skalerer dataværdierne til det kanoniske farvekortområde [0, 1] for tilknytning til farver vmin, vmax : Disse parametre er valgfrie, og de er farvelinjeområde. alpha : Denne parameter er en intensitet af farven. aspekt : Denne parameter bruges til at styre aksernes billedformat. interpolation: Denne parameter er den interpolationsmetode, der bruges til at vise et billede. origin : Denne parameter bruges til at placere [0, 0]-indekset for arrayet i øverste venstre eller nederste venstre hjørne af akserne. resample : Denne parameter er den metode, der bruges til at ligne. omfang : Denne parameter er afgrænsningsrammen i datakoordinater. filternorm : Denne parameter bruges til filteret til ændring af billedstørrelsen mod korn. filterrad : Denne parameter er filterradius for filtre, der har en radiusparameter. url : Denne parameter indstiller url'en for den oprettede AxesImage.
Vender tilbage: Dette returnerer følgende:
billede : Dette returnerer AxesImage
Nedenstående eksempler illustrerer funktionen matplotlib.pyplot.imshow() i matplotlib.pyplot:
Eksempel #1:
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors> import> LogNorm> > dx, dy> => 0.015> ,> 0.05> y, x> => np.mgrid[> slice> (> -> 4> ,> 4> +> dy, dy),> > slice> (> -> 4> ,> 4> +> dx, dx)]> z> => (> 1> -> x> /> 3.> +> x> *> *> 5> +> y> *> *> 5> )> *> np.exp(> -> x> *> *> 2> -> y> *> *> 2> )> z> => z[:> -> 1> , :> -> 1> ]> z_min, z_max> => -> np.> abs> (z).> max> (), np.> abs> (z).> max> ()> > c> => plt.imshow(z, cmap> => 'Greens'> , vmin> => z_min, vmax> => z_max,> > extent> => [x.> min> (), x.> max> (), y.> min> (), y.> max> ()],> > interpolation> => 'nearest'> , origin> => 'lower'> )> plt.colorbar(c)> > plt.title(> 'matplotlib.pyplot.imshow() function Example'> ,> > fontweight> => 'bold'> )> plt.show()> |
Produktion:
Eksempel #2:
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors> import> LogNorm> > dx, dy> => 0.015> ,> 0.05> x> => np.arange(> -> 4.0> ,> 4.0> , dx)> y> => np.arange(> -> 4.0> ,> 4.0> , dy)> X, Y> => np.meshgrid(x, y)> > extent> => np.> min> (x), np.> max> (x), np.> min> (y), np.> max> (y)> > Z1> => np.add.outer(> range> (> 8> ),> range> (> 8> ))> %> 2> plt.imshow(Z1, cmap> => 'binary_r'> , interpolation> => 'nearest'> ,> > extent> => extent, alpha> => 1> )> > def> geeks(x, y):> > return> (> 1> -> x> /> 2> +> x> *> *> 5> +> y> *> *> 6> )> *> np.exp(> -> (x> *> *> 2> +> y> *> *> 2> ))> > Z2> => geeks(X, Y)> > plt.imshow(Z2, cmap> => 'Greens'> , alpha> => 0.7> ,> > interpolation> => 'bilinear'> , extent> => extent)> > plt.title(> 'matplotlib.pyplot.imshow() function Example'> ,> > fontweight> => 'bold'> )> plt.show()> |
Produktion:
