Matplotlib Colormaps

I Python er et av de mest omfattende brukte bibliotekene matplotlib. John Hunter opprettet det i 2002 som et bibliotek med flere plattformer som kunne kjøres på en rekke operativsystemer. CMAP () -metoden i matplotlib-pakken gir mange innebygde kolormaps. Matplotlib-bibliotekets Pyplot-komponent tilbyr et MATLAB-lignende grensesnitt. Det hjelper også med å plotte linjer, 3D -diagrammer, barer, konturer og spredningsplott, blant annet.

Videre er kolormaps ofte klassifisert som sekvensielle, divergerende, kvalitative eller sykliske, avhengig av deres funksjonalitet. En tilbakeført form for de fleste standard colormaps kan anskaffes ved å inkludere '_r' til navnet. Matplotlib tilbyr flere utviklede kolormaps som kan nås via matplotlib.CM.få.CMAP. I denne artikkelen snakker vi over Matplotlib Colormaps i Python.

Opprette Colormap:

Vi vil endre og utvikle våre Colormaps hvis vi trenger sofistikerte kolormaps, eller hvis Matplotlib forhåndsdefinerte Colormaps ikke tilfredsstiller våre krav. Når du prøver å passe en colormap i et mønster, er det betydelig vanskeligere å designe og lage. En visualisering innlemmet på et panel eller en webside ved hjelp av et eksisterende fargetema.

Importer matplotlib.Pyplot som Plt
Importer numpy som NP
data = np.tilfeldig.tilfeldig ([140, 140]) * 20
plt.Figur (FigSize = (8, 8))
plt.PCOLORMESH (data)
plt.Colorbar ()

I dette scenariet, la oss gjøre noen endringer med Colormaps. Vi må integrere biblioteker og deretter bruke dette programmet til å bygge eksempeldata som vil vises. Dataelementet er en samling av 140 x 140 integrerte verdier fra 0 til 20.

Vi kan evaluere det ved å implementere den påfølgende kommandoen. Etter det bruker vi denne metoden for å vise det hånlige datasettet med vanlige kolormaps. Imidlertid, hvis vi ikke indikerte Colormaps vi brukte, vil standard Colormaps bli utviklet.

Klasser av Colormaps:

Sekvensielle kolormaps, sykliske kolormaps, divergerende colormaps og kvalitative kolormaps er noen klasser av kolormaps som er tilgjengelige i matplotlib. Vi kommer til å gi deg representasjoner av alle kategoriserte kolormap.

Importer numpy som NP
Importer matplotlib.Pyplot som Plt
x = np.Linspace (-NP.pi, np.pi, 60)
y = np.Linspace (-NP.pi, np.pi, 60)
X, y = np.MeshGrid (x, y)
Z = np.sin (x + y/6)
Fig = plt.Figur (FigSize = (14,5.5))
Fig.subplots_adjust (wspace = 0.4)
plt.subplot (1,4,1)
plt.PCOLORMESH (X, Y, Z, CMAP = PLT.CM.get_cmap ('greener'))
plt.Colorbar ()
plt.Axis ([ -2, 2, -2, 2])
plt.tittel ('sekvensiell')
plt.subplot (1,4,2)
plt.PCOLORMESH (X, Y, Z, CMAP = PLT.CM.get_cmap ('rdbu'))
plt.Colorbar ()
plt.Axis ([ -1, 1, -1, 1])
plt.tittel ('divergerende')
plt.subplot (1,4,3)
plt.PCOLORMESH (X, Y, Z, CMAP = PLT.CM.get_cmap ('rdbu_r'))
plt.Colorbar ()
plt.Axis ([ -1, 1, -1, 1])
plt.tittel ('syklisk')
plt.subplot (1,4,4)
plt.PCOLORMESH (X, Y, Z, CMAP = PLT.CM.get_cmap ('dark2'))
plt.Colorbar ()
plt.Axis ([ -3, 3, -3, 3])
plt.tittel ('kvalitativ')

Sekvensielle kolormaps Betegn en progressiv endring i fargelysning og intensitet, ofte ved bruk av bare en tone; det må være nødvendig for å demonstrere data med sekvens.

Divergerende colormaps: Det representerer en variasjon i lyshet og kanskje intensiteten til to separate fargetoner som når en enighet i en umettet farge. Denne stilen kan brukes når de kartlagte dataene inneholder en relevant mellomverdi, som topologi, eller hvis dataene avviker fra null.

Sykliske kolormaps: Det viser en overgang i intensiteten av to farger som krysser i sentrum og starter/slutter med en umettet tone. Disse kolormaps kan brukes til elementer som dreier seg om terminalene, som fasevinkel, vindmønster eller dagens varighet.

Kvalitative Colormaps: En rekke fargetoner som brukes til å skildre data som ikke inneholder noen form for orden eller forening.

Colormaps er vanligvis kategorisert i disse gruppene basert på deres formål.

Bruk av en Matplotlib innebygd Colormap:

Å velge en passende Colormap er å få en god beskrivelse av vårt datapunkt i en 3D Colormap. Et kriterium colormap, spesielt der identiske stadier i data tolkes som lignende stadier i fargerom, er det optimale valget for mange formål.

Forskere oppdaget at hjernen vår gjenkjenner variasjoner i lysstyrkeparameteren når data endres betydelig bedre enn fargevariasjoner. Som et resultat vil observatøren lett forstå kolormaps med en jevn økning i lysstyrken gjennom fargemodellen.

Importer numpy som NP
Importer matplotlib.Pyplot som Plt
x, y = np.MGRID [-6: 6: 0.06, -6: 6: 0.06]
z = (np.SQRT (X ** 4 + Y ** 4) + NP.sin (x ** 4 + y ** 4))
Fig, AX = PLT.underplott (1,1)
im = øks.Imshow (z)
Fig.Colorbar (IM)
øks.Yaxis.set_major_locator (plt.Nulllocator ())
øks.xaxis.set_major_locator (plt.Nulllocator ())

Som en mixin -klasse, objekter laget av metoder som PCOLOR (), Contour (), spredt () og imshow () subtype skalaRMAppable. Mixin -klasser inkluderer vanlige funksjoner, men er ikke ment å "stå innenfor sin egen", de er ikke objektets hovedklasse. Dette er det som tillater forskjellige objekter, for eksempel samlingen levert av Poclor () eller spredning (), og bildet produsert av Imshow (), for å dele en Colormap -infrastruktur.

Standard kolormaps i matplotlib:

Matplotlib inkluderer et stort antall forhåndsdefinerte kolormaps, som vist her. Ulike biblioteker med et stort antall ekstra kolormaps er gitt i matplotlib. La oss gå foran og prøve ut fire forskjellige matplotlib colormaps.

Importer numpy som NP
Importer matplotlib.Pyplot som Plt
x, y = np.MGRID [-6: 6: 0.06, -6: 6: 0.06]
z = (np.SQRT (X ** 4 + Y ** 4) + NP.sin (x ** 4 + y ** 4))
Fra mpl_toolkits.AXES_GRID1 IMPORT Make_axes_locatable
Fig, akser = PLT.Underplott (2,2, FigSize = (20,20))
for øks, navn i glidelås (økser.flat (), cmap_list):
im = øks.Imshow (z, Aspect = 'Auto', CMAP = PLT.get_cmap (navn))
øks.Yaxis.set_major_locator (plt.Nulllocator ())
øks.xaxis.set_major_locator (plt.Nulllocator ())
øks.set_aspect ('like', justerbar = 'boks')
Divider = make_axes_locatable (ax)
Cax = Divider.append_axes ("høyre", størrelse = "6%", pad = 0.2)
plt.ColorBar (IM, Cax = Cax)

En omvendt variant av de fleste av de forhåndsinnstilte kolormaps kan oppnås ved å sette inn '_r' til etiketten. Matplotlib.CM.Få CMAP (navn), her gir vi parameternavn til denne funksjonen som viser Colormap -navnet, kan brukes til å skaffe disse.

Eventuelle spesifiserte kolormaps identifiseres av get_cmap () -funksjonen. Bruk matplotlib.CM.register_cmap (navn, cmap) for å registrere et hvilket som helst colormap.

Konklusjon:

Vi dekket matplotlib colormaps i denne artikkelen. Videre diskuterte vi bruken av funksjon CMAP () i Python. På grunn av menneskesinnets oppfatning er det kritisk. Farge kommuniserer tanker, følelser og følelser. Matplotlib har en rekke kolormaps, men noen mennesker får en tydelig preferanse når det gjelder kolormaps. I matplotlib har vi muligheten til å generere og redigere Colormaps. Vi benyttet oss.