matplotlib.pyplot.imshow() i Python
Matplotlib är ett bibliotek i Python och det är numeriskt – matematiskt tillägg för NumPy-biblioteket. Pyplot är ett tillståndsbaserat gränssnitt till en Matplotlib modul som ger ett MATLAB-liknande gränssnitt.
matplotlib.pyplot.imshow() Funktion:
De imshow() funktion i pyplot-modulen i matplotlib används biblioteket för att visa data som en bild; dvs på ett vanligt 2D-raster.
Syntax: matplotlib.pyplot.imshow(X, cmap=Ingen, norm=Ingen, aspekt=Ingen, interpolation=Ingen, alpha=Ingen, vmin=Ingen, vmax=Ingen, ursprung=Ingen, utsträckning=Ingen, form=, filternorm=1 , filterrad=4.0, imlim=, resample=Ingen, url=Ingen, *, data=Ingen, **kwargs)
Parametrar: Denna metod accepterar följande parametrar som beskrivs nedan:
X: Denna parameter är bildens data. cmap : Den här parametern är en färgkartasinstans eller ett registrerat färgkartanamn. norm : Den här parametern är Normalize-instansen skalar datavärdena till det kanoniska färgkartans intervall [0, 1] för mappning till färgerna vmin, vmax : Dessa parameter är valfria till sin natur och de är färgfältsintervall. alpha : Denna parameter är en intensitet av färgen. aspekt : Den här parametern används för att styra bildförhållandet för axlarna. interpolation : Denna parameter är den interpolationsmetod som användes för att visa en bild. origin : Denna parameter används för att placera [0, 0] index för arrayen i det övre vänstra eller nedre vänstra hörnet av axlarna. resample : Denna parameter är metoden som används för att likna. utsträckning : Denna parameter är begränsningsrutan i datakoordinater. filternorm : Den här parametern används för filtret för storleksändring av bildstorlek. filterrad : Denna parameter är filterradien för filter som har en radieparameter. url : Denna parameter ställer in webbadressen för den skapade AxesImage.
Returnerar: Detta returnerar följande:
image : Detta returnerar AxesImage
Nedan exempel illustrerar matplotlib.pyplot.imshow()-funktionen i matplotlib.pyplot:
Exempel #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:
Exempel #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:
