快捷導(dǎo)航

matplotlib實現(xiàn)矩陣和圖像的可視化表示

更新時間：2024年03月05日 10:42:26 作者：微小冷

這篇文章主要為大家詳細(xì)介紹了如何利用matplotlib實現(xiàn)矩陣和圖像的可視化表示,文中的示例代碼講解詳細(xì),具有一定的學(xué)習(xí)價值,感興趣的小伙伴可以了解下

偽彩圖

【plt】中提供了三種矩陣可視化函數(shù)，分別是imshow, matshow以及pcolormesh，相較之下，前兩者比較相似，且imshow常被用做圖片展示工具，所以matshoww這個函數(shù)基本沒什么人知道，二者對比如下

在這里插入圖片描述

import matplotlib.pyplot as plt
import numpy as np

x = np.random.rand(5,5)

fig,axes = plt.subplots(1,2,figsize=(8,4))

axes[0].imshow(x)
plt.title("imshow")
axes[1].matshow(x)
plt.title("matshow")

plt.tight_layout()
plt.show()

左右兩圖幾乎沒有區(qū)別，并且矩陣中每個元素都是嚴(yán)格的方形，即其長寬比并不會隨著圖窗的變化而發(fā)生變化。

相比之下，pcolormesh就靈活很多，圖中的每個元素均為長寬比可變的矩形，如果和text互相配合，就可以更加完美地表現(xiàn)矩陣，做到下圖的效果

在這里插入圖片描述

代碼如下

def drawMat(x, ax=None):
    M, N = x.shape
    if not ax:
        ax = plt.subplot()
    arrM, arrN = np.arange(M), np.arange(N)
    plt.yticks(arrM+0.5, arrM)
    plt.xticks(arrN+0.5, arrN)
    ax.pcolormesh(x)
    ax.invert_yaxis()
    for i,j in product(range(M),range(N)):
        ax.text(j+0.2, i+0.55, f"{x[i,j]:.2}")
    plt.show()

x = np.random.rand(5,5)
drawMat(x)

等高線

偽彩圖可以通過顏色來標(biāo)注矩陣中每個元素的大小，從而對矩陣元素的整體分布情況有一個大致的了解。而有時，我們希望更加清晰地了解矩陣元素的分層情況，這時可采用等高線圖contour和contourf，與偽彩圖相比，個中差別如下

在這里插入圖片描述

X, Y = np.indices([100,100])/30 - 1.5
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)

fDct = {"contour": plt.contour, "contourf":plt.contourf,
    "pcolormesh" : plt.pcolormesh, "imshow":plt.imshow}

fig = plt.figure(figsize=(9,6))
for i,key in enumerate(fDct, 1):
    ax = fig.add_subplot(2,2,i)
    fDct[key](Z)
    plt.title(key)

plt.tight_layout()
plt.show()

colorbar

偽彩圖通過偽彩色來表現(xiàn)矩陣元素的大小，而colorbar則標(biāo)注了為彩圖中的顏色映射值，一般來說，在【plt】繪圖時，每個子圖都可以設(shè)置其自身的色條，

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
for i in range(2):
    ax = fig.add_subplot(2,1,i+1)
    ax = plt.pcolormesh(np.random.rand(10,20))
    plt.colorbar()

plt.show()

在這里插入圖片描述

由于上下兩張圖采用了相同的偽彩映射，所以這兩個色條有些重復(fù)了，為了讓圖像更加簡潔，從而產(chǎn)生了一張圖一個色條的需求。

下面新建一個坐標(biāo)軸，以單獨設(shè)置色條位置

fig = plt.figure()
for i in range(2):
    ax = fig.add_subplot(2,1,i+1)
    im = plt.pcolormesh(np.random.rand(10,20))
    plt.axis('off')

# 指定colorbar的位置和大小
cax = fig.add_axes([0.92, 0.1, 0.02, 0.8])
fig.colorbar(im, cax=cax)
plt.show()

效果如下

在這里插入圖片描述

這種處理方法有一個問題，即colorbar所在坐標(biāo)系將無法控制，如果使用tight_layout來進行緊湊布局，那么左側(cè)的圖像會忽視色條鋪滿整個區(qū)域。

為了讓色條可以在布局中維持不變，可通過GridSpec來進一步定制布局網(wǎng)格，

fig = plt.figure()

gs = plt.GridSpec(2, 2, width_ratios=[15, 1], height_ratios=[1, 1])

plt.subplot(gs[0, 0])
plt.title("A")
im = plt.pcolormesh(np.random.rand(10,20))
plt.axis('off')

plt.subplot(gs[1, 0])
plt.title("B")
im = plt.pcolormesh(np.random.rand(10,20))
plt.axis('off')

ax = plt.subplot(gs[:, 1])
fig.colorbar(im, cax=ax)
plt.show()

其中，width_ratios為橫向的單元格寬度比例，height_ratios為縱向的單元格高度比例。繪圖結(jié)果如下，這樣一來，無論布局如何發(fā)生變化，左側(cè)圖形與右側(cè)色條的寬度比值均為15：1，不會發(fā)生變化，從而在圖像繪制時保證了風(fēng)格的統(tǒng)一。

在這里插入圖片描述