На этом шаге мы рассмотрим назначение, параметры и пример использования этой функции.
Следующая функция для визуализации 2D-наборов данных, которую мы рассмотрим, будет pcolormesh(). В библиотеке Matplotlib есть ещё один инструмент с аналогичным функционалом - pcolor(), в отличие от неё, рассматриваемая нами pcolormesh() более быстрая и является лучшим вариантом в большинстве случаев. Функция pcolormesh() похожа по своим возможностям на imshow(), но есть и отличия.
Рассмотрим параметры функции pcolormesh():
- C: массив
- 2D-массив скалярных значений.
- 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.
- vmin, vmax: численное значение, optional; значение по умолчанию: None
- 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.
- edgecolors: {'none', None, 'face', цвет (смотри 18 шаг), массив цветовых элементов}, optional; значение по умолчанию: 'none'
- Цвет границы. Возможны следующие варианты:
- 'none' или '': без отображения границы;
- None: чёрный цвет;
- 'face': используется цвет ячейки;
- Один из доступных способов задания цвета (смотри 18 шаг).
- alpha: численное значение, optional; значение по умолчанию: None
- Прозрачность. Задаётся в диапазоне от 0 до 1. Параметр игнорируется для RGBA.
- shading: {'flat', 'gouraud'}, optional
- Стиль заливки. Доступные значения:
- 'flat': сплошной цвет заливки для каждого квадрата;
- 'gouraud': для каждого квадрата будет использован метод затенения Gouraud.
- snap: bool, optional; значение по умолчанию: False
- Привязка сетки к границам пикселей.
Пример использования функции pcolormesh():
import matplotlib.pyplot as plt import numpy as np np.random.seed(123) data = np.random.rand(5, 7) plt.pcolormesh(data, cmap='plasma', edgecolors='k', shading='flat') plt.show()
Результат работы приложения изображен на рисунке 1.
Рис.1. Варианты визуализации двумерного набора данных с использованием pcolormesh()
Со следующего шага мы начнем рассматривать построение 3D-графиков.
