matplotlib.pyplot.imshow() programmā Python
Matplotlib ir Python bibliotēka, un tā ir skaitlisks matemātisks paplašinājums NumPy bibliotēkai. Pyplot ir uz stāvokli balstīta saskarne ar a Matplotlib modulis, kas nodrošina MATLAB līdzīgu saskarni.
matplotlib.pyplot.imshow() Funkcija:
The imshow() funkcija Matplotlib bibliotēkas pyplot modulī tiek izmantots datu attēlošanai attēla veidā; i., uz 2D parastā rastra.
Sintakse: matplotlib.pyplot.imshow(X, cmap=nav, norma=nav, aspekts=nav, interpolācija=nav , filterrad=4.0, imlim=, resample=nav, url=nav, *, data=nav, **kwargs)
Parametri: Šī metode pieņem šādus tālāk aprakstītos parametrus.
X: Šis parametrs ir attēla dati. cmap : šis parametrs ir krāsu kartes gadījums vai reģistrēts krāsu kartes nosaukums. norma : šis parametrs ir Normalize instance, kas mērogo datu vērtības kanoniskajā krāsu kartes diapazonā [0, 1], lai kartētu uz krāsām vmin, vmax : Šie parametri pēc būtības ir neobligāti, un tie ir krāsu joslas diapazons. alfa : šis parametrs ir krāsas intensitāte. aspekts : šo parametru izmanto, lai kontrolētu asu malu attiecību. interpolācija: šis parametrs ir interpolācijas metode, ko izmanto attēla parādīšanai. origin : šo parametru izmanto, lai novietotu masīva indeksu [0, 0] asu augšējā kreisajā vai apakšējā kreisajā stūrī. resample : šis parametrs ir metode, kas tiek izmantota līdzināšanai. apjoms : šis parametrs ir datu koordinātu ierobežojošais lodziņš. filternorm : šo parametru izmanto pretgraudainuma attēla izmēra maiņas filtram. filterrad : šis parametrs ir filtra rādiuss filtriem, kuriem ir rādiusa parametrs. url : Šis parametrs iestata izveidotā URL AxesImage.
Atgriež: Tas atgriež sekojošo:
attēls : Tas atgriež AxesImage
Tālāk minētie piemēri ilustrē funkciju matplotlib.pyplot.imshow() failā matplotlib.pyplot:
1. piemērs:
# 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()> |
Izvade:
2. piemērs:
# 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()> |
Izvade:
