На этом шаге мы рассмотрим назначение, параметры и примеры использования этой функции.

Для построения цветовой сетки можно воспользоваться функцией imshow() или pcolormesh().

Функция imshow()

Основное назначение функции imshow() состоит в представлении 2D растров. Это могут быть картинки, двумерные массивы данных, матрицы и т. п.

Напишем простую программу, которая загружает картинку из интернета по заданному URL и отображает ее с использованием библиотеки Matplotlib:

import matplotlib.pyplot as plt
from PIL import Image
import requests
from io import BytesIO

response = requests.get('https://matplotlib.org/_static/logo2.png')
img = Image.open(BytesIO(response.content))
plt.imshow(img)

plt.show()

Архив с файлом можно взять здесь.

Результатом её работы будет изображение логотипа Matplotlib.

Рис.1. Изображение логотипа Matplotlib

Создадим двумерный набор данных и отобразим его с помощью imshow():

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(19680801)
data = np.random.randn(25, 25)
plt.imshow(data)

plt.show()

Архив с файлом можно взять здесь.

Результат работы приложения изображен на рисунке 2.

Рис.2. Визуализация двумерного набора данных с использованием imshow()

Рассмотрим некоторые из параметров функции imshow():

X: массив или PIL-изображение

Поддерживаются следующие размерности массивов:

(M, N): двумерный массив со скалярными данными.
(M, N, 3): массив с RGB значениями (0-1 float или 0-255 int).
(M, N, 4): массив с RGBA значениями (0-1 float или 0-255 int).

cmap: str или Colormap, optional

Цветовая карта для изображения (смотри 59 шаг))

norm: Normalize, optional

Нормализация - приведение скалярных данных к диапазону [0,1] перед наложением цветовой карты. Этот параметр игнорируется для RGB(A) данных.

aspect: {'equal', 'auto'} или float, optional

'equal': обеспечивает соотношение сторон равное 1;
'auto': соотношение не изменяется.

interpolation: str, optional

Алгоритм интерполяции. Доступны следующие значения: 'none', 'nearest', 'bilinear', 'bicubic', 'spline16', 'spline36', 'hanning', 'hamming', 'hermite', 'kaiser', 'quadric', 'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc', 'lanczos'.

alpha: численное значение, optional

Прозрачность. Задаётся в диапазоне от 0 до 1. Параметр игнорируется для RGBA.

vmin, vmax: численное значение, optional

Численные значения vmin и vmax (если параметр norm не задан явно) определяют диапазон данных, который будет покрыт цветовой картой. По умолчанию цветовая карта охватывает весь диапазон значений отображаемых данных. Если используется параметр norm, то vmin и vmax игнорируются.

origin: {'upper', 'lower'}, optional

Расположение начала координат (точки [0, 0]): 'upper' - верхний левый, 'lower' - нижний левый угол координатной плоскости.

extent: (left, right, bottom, top), optional

Изменение размеров изображения вдоль осей х, у.

filterrad: float > 0, optional; значение по умолчанию: 4.0

Параметр filter radius для фильтров, которые его используют, например: 'sinc', 'lanczos' или 'blackman'.

Пример, использующий параметры из приведённого выше списка:

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(19680801)
data = np.random.randn(25, 25)
fig, axs = plt.subplots(1, 2, figsize=(10, 3), constrained_layout=True)
p1 = axs[0].imshow(data, cmap='winter', aspect='equal', vmin=-1, vmax=1,
                   origin='lower')
fig.colorbar(p1, ax=axs[0])
p2 = axs[1].imshow(data, cmap='plasma', aspect='equal',
                   interpolation='gaussian', origin='lower', extent=(0, 30, 0, 30))
fig.colorbar(p2, ax=axs[1])

plt.show()

Архив с файлом можно взять здесь.

Результат работы приложения изображен на рисунке 3.

Рис.3. Варианты визуализации двумерного набора данных

На следующем шаге мы рассмотрим функцию pcolormesh().

Предыдущий шаг Содержание Следующий шаг