matplotlib.pyplot.imshow() Python
Matplotlib yra Python biblioteka ir yra skaitinis – matematinis NumPy bibliotekos plėtinys. Pyplot yra būsena pagrįsta sąsaja su a Matplotlib modulis, kuris suteikia į MATLAB panašią sąsają.
matplotlib.pyplot.imshow() Funkcija:
The imshow() funkcija Matplotlib bibliotekos pyplot modulyje naudojamas duomenims rodyti kaip vaizdą; y., 2D įprastame rastre.
Sintaksė: matplotlib.pyplot.imshow(X, cmap=Nėra, norma=Nėra, aspektas=Nėra, interpoliacija=Nėra, alpha=Nėra, vmin=Nėra, vmax=Nėra, origin=Nėra, apimtis=Nėra, forma=, filtranorm=1 , filterrad=4.0, imlim=, resample=Nėra, url=Nėra, *, data=Nėra, **kwargs)
Parametrai: Šis metodas priima šiuos parametrus, kurie aprašyti toliau:
X: Šis parametras yra vaizdo duomenys. cmap : Šis parametras yra spalvų schemos egzempliorius arba registruotas spalvų schemos pavadinimas. norma : Šis parametras yra Normalizavimo egzempliorius keičia duomenų reikšmes į kanoninį spalvų schemos diapazoną [0, 1], kad būtų susietos su spalvomis vmin, vmax : šie parametrai yra neprivalomi ir yra spalvų juostos diapazonas. alfa : Šis parametras yra spalvos intensyvumas. aspektas : šis parametras naudojamas ašių formato santykiui valdyti. interpoliacija: šis parametras yra interpoliacijos metodas, naudojamas vaizdui rodyti. origin : Šis parametras naudojamas masyvo indeksui [0, 0] patalpinti viršutiniame kairiajame arba apatiniame kairiajame ašių kampe. resample : šis parametras yra panašumo metodas. apimtis : šis parametras yra duomenų koordinačių ribojantis langelis. filternorm : Šis parametras naudojamas antigraininio vaizdo dydžio keitimo filtrui. filterrad : Šis parametras yra filtrų, turinčių spindulio parametrą, filtro spindulys. url : Šis parametras nustato sukurto URL adresą AxesImage.
Grąžinimai: Tai grąžina šiuos duomenis:
vaizdas : grąžinama AxesImage
Žemiau pateikti pavyzdžiai iliustruoja funkciją matplotlib.pyplot.imshow() faile matplotlib.pyplot:
1 pavyzdys:
# 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()> |
Išvestis:
2 pavyzdys:
# 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()> |
Išvestis:
