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):