Matplotlib更多实用图形的绘制

复制代码

Tips：imshow()接受一个2D数组作为参数置，用于渲染图片，其中每个像素代表一个从2D数组中提取的值。像素的颜色从colormap中选取。2D数组中的数据也可以是自文件或其他源，例如我们完全可以将读取的图片绘制在图形中。

读取图片

img = plt.imread(‘img.png’)

绘制图片

plt.imshow(img)

复制代码

我们也可以使用不同的颜色映射观察效果，只需要修改plt.imshow()可选参数cmap的值即可.

plt.imshow(z, cmap = cm.binary, extent=(xmin, xmax, ymin, ymax))

复制代码

Tips：plt.imshow()的可选参数extent指定存储在二维数组中的数据的坐标系——由四个值组成的元组，分别表示水平轴和垂直轴上的最小、最大范围。

接下来，将数组的尺寸由从512x512减少到32x32，看看效果如何：

n = 64

复制代码

Tips：使用32x32的数组表示Mandelbrot集时，得到的图片的尺寸并没有缩小，但和512x512数组产生的图片仍有明显差别。这是由于，生成一张给定大小的图片，如果输入的数据小于或大于该图片尺寸，plt.imshow()将执行插值操作。默认的插值是线性插值，可以看出效果并不总是理想的。可以通过imshow()函数的可选参数interpolation指定要使用的插值类型。

使用双三次插值算法(interpolation = ‘bicubic’)查看效果：

二维标量场的可视化

---

可以使用numpy.meshgrid() 函数从2D函数中生成样本。然后，使用plt.pcolormesh()显示此函数图形：

n = 256

x = np.linspace(-3., 3., n)

y = np.linspace(-3., 3., n)

x_list, y_list = np.meshgrid(x, y)

z_list = x_list * np.cos(x_list ** 2 + y_list ** 2)

plt.pcolormesh(x_list, y_list, z_list, cmap = cm.Spectral)

cb = plt.colorbar(orientation=‘horizontal’, shrink=.75)

复制代码

Tips：使用颜色映射可以帮助我们快速判断相应点的符号和大小。

np.meshgrid()函数的作用是：获取两个坐标列表，并构建坐标网格。因为两个坐标列表都是numpy数组，所以我们可以以处理单个变量的方式处理它们，这使得计算标量场的过程简洁易读。最后，调用函数plt.pcolormesh()呈现图片。

等高线的可视化

---

等高线将具有相同值的所有点连接起来，可以更容易看到数据的分布特征。

def iter_count(c, max_iter):

x = c

for n in range(max_iter):

if abs(x) > 2.:

return n

x = x ** 2 + 0.98 * c

return max_iter

n = 512

max_iter = 80

xmin, xmax, ymin, ymax = -0.32, -0.22, 0.8, 0.9

x = np.linspace(xmin, xmax, n)

y = np.linspace(ymin, ymax, n)

z = np.empty((n, n))

for i, y_i in enumerate(y):

for j, x_j in enumerate(x):

z[j, i] = iter_count(complex(x_j, y_i), max_iter)

plt.imshow(z, cmap = cm.Spectral,

interpolation = ‘bicubic’,

origin = ‘lower’,

extent=(xmin, xmax, ymin, ymax))

levels = [8, 12, 16, 20]

ct = plt.contour(x, y, z, levels, cmap = cm.binary)

plt.clabel(ct, fmt=‘%d’)

复制代码

Tips：pyplot.contour()函数获取样本网格的坐标列表x和y以及存储在矩阵z中的值。然后，该函数将渲染在"level"列表中指定的值相对应的轮廓，可以使用可选参数cmap运用色彩映射进行着色，也可以使用可选参数color为所有轮廓指定一种唯一的颜色。

每个轮廓可以用颜色条显示，也可以直接在图形上显示。plt.contour()函数返回一个Contour实例。pyplot.clabel()函数获取contour实例和一个可选的格式字符串来呈现每个等高线的标签。

Tips：默认情况下，填充轮廓不具抗锯齿性。可以使用了可选参数antialiased来获得更令人满意的结果。

ct = plt.contour(x, y, z, levels, cmap = cm.binary, antialiased = True)

复制代码

二维向量场的可视化

---

向量场将二维向量与二维平面的每个点相关联，在物理学中很常见。 本例中，为了进行符号计算，我们借助SymPy包，这个软件包只用于保持代码的简短。如果未安装此包，可以使用pip install sympy命令进行安装。 我们不必关系向量场的计算方法，记住，本文的主要目的是可视化，因此我们只需要关心如何显示向量场——使用pyplot.quiver()函数。

import sympy

from sympy.abc import x, y

def cylinder_stream_function(u = 1, r = 1):