Matplotlib ir Python bibliotēka, un tā ir skaitlisks matemātisks paplašinājums NumPy bibliotēkai. Pyplot ir uz stāvokli balstīta saskarne ar a Matplotlib modulis, kas nodrošina MATLAB līdzīgu saskarni.
matplotlib.pyplot.imshow() Funkcija:
The imshow() funkcija Matplotlib bibliotēkas pyplot modulī tiek izmantots datu attēlošanai attēla veidā; i., uz 2D parastā rastra.
izlases numurs gen java
Sintakse: matplotlib.pyplot.imshow(X, cmap=nav, norma=nav, aspekts=nav, interpolācija=nav , filterrad=4.0, imlim=, resample=nav, url=nav, *, data=nav, **kwargs)
Parametri: Šī metode pieņem šādus tālāk aprakstītos parametrus.
X: Šis parametrs ir attēla dati. cmap : šis parametrs ir krāsu kartes gadījums vai reģistrēts krāsu kartes nosaukums. norma : šis parametrs ir Normalize instance, kas mērogo datu vērtības kanoniskajā krāsu kartes diapazonā [0, 1], lai kartētu uz krāsām vmin, vmax : Šie parametri pēc būtības ir neobligāti, un tie ir krāsu joslas diapazons. alfa : šis parametrs ir krāsas intensitāte. aspekts : šo parametru izmanto, lai kontrolētu asu malu attiecību. interpolācija: šis parametrs ir interpolācijas metode, ko izmanto attēla parādīšanai. origin : šo parametru izmanto, lai novietotu masīva indeksu [0, 0] asu augšējā kreisajā vai apakšējā kreisajā stūrī. resample : šis parametrs ir metode, kas tiek izmantota līdzināšanai. apjoms : šis parametrs ir datu koordinātu ierobežojošais lodziņš. filternorm : šo parametru izmanto pretgraudainuma attēla izmēra maiņas filtram. filterrad : šis parametrs ir filtra rādiuss filtriem, kuriem ir rādiusa parametrs. url : Šis parametrs iestata izveidotā URL AxesImage.
Atgriež: Tas atgriež sekojošo:
attēls : Tas atgriež AxesImage
Tālāk minētie piemēri ilustrē funkciju matplotlib.pyplot.imshow() failā matplotlib.pyplot:
1. piemērs:
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors>import> LogNorm> > dx, dy>=> 0.015>,>0.05> y, x>=> np.mgrid[>slice>(>->4>,>4> +> dy, dy),> >slice>(>->4>,>4> +> dx, dx)]> z>=> (>1> -> x>/> 3.> +> x>*>*> 5> +> y>*>*> 5>)>*> np.exp(>->x>*>*> 2> -> y>*>*> 2>)> z>=> z[:>->1>, :>->1>]> z_min, z_max>=> ->np.>abs>(z).>max>(), np.>abs>(z).>max>()> > c>=> plt.imshow(z, cmap>=>'Greens'>, vmin>=> z_min, vmax>=> z_max,> >extent>=>[x.>min>(), x.>max>(), y.>min>(), y.>max>()],> >interpolation>=>'nearest'>, origin>=>'lower'>)> plt.colorbar(c)> > plt.title(>'matplotlib.pyplot.imshow() function Example'>,> >fontweight>=>'bold'>)> plt.show()> |
īpašo rakstzīmju nosaukums
>
>
Izvade:
2. piemērs:
masīvu atgriešana java
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors>import> LogNorm> > dx, dy>=> 0.015>,>0.05> x>=> np.arange(>->4.0>,>4.0>, dx)> y>=> np.arange(>->4.0>,>4.0>, dy)> X, Y>=> np.meshgrid(x, y)> > extent>=> np.>min>(x), np.>max>(x), np.>min>(y), np.>max>(y)> > Z1>=> np.add.outer(>range>(>8>),>range>(>8>))>%> 2> plt.imshow(Z1, cmap>=>'binary_r'>, interpolation>=>'nearest'>,> >extent>=> extent, alpha>=> 1>)> > def> geeks(x, y):> >return> (>1> -> x>/> 2> +> x>*>*>5> +> y>*>*>6>)>*> np.exp(>->(x>*>*>2> +> y>*>*>2>))> > Z2>=> geeks(X, Y)> > plt.imshow(Z2, cmap>=>'Greens'>, alpha>=> 0.7>,> >interpolation>=>'bilinear'>, extent>=> extent)> > plt.title(>'matplotlib.pyplot.imshow() function Example'>,> >fontweight>=>'bold'>)> plt.show()> |
>
>
Izvade:
