Einführung
Beim Datenvisualisierung werden Farbskalen verwendet, um den Wertebereich eines Datensatzes mit Farben darzustellen. Matplotlib ist eine Python-Bibliothek zur Erstellung einer Vielzahl von Visualisierungen, einschließlich Farbskalen. In diesem Lab werden wir lernen, wie man die Skalenbeschriftungen auf einer Farbskala in Matplotlib anpassen kann.
Tipps für die virtuelle Maschine (VM)
Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie während des Lernens Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.
Importieren der erforderlichen Bibliotheken und Festlegen des Zufallszustands
Zunächst müssen wir die erforderlichen Bibliotheken importieren und den Zufallszustand für die Reproduzierbarkeit festlegen. Wir werden numpy verwenden, um einige zufällige Daten zu generieren, matplotlib.pyplot für die Erstellung von Visualisierungen und cm aus matplotlib für die Definition der Farbskalen.
import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn
from matplotlib import cm
## Fixing random state for reproducibility
np.random.seed(19680801)
Erstellen eines Diagramms mit einer vertikalen Farbskala
Wir beginnen mit der Erstellung eines Diagramms mit einer vertikalen Farbskala. Wir werden einige zufällige Daten mit randn aus numpy generieren und die Werte auf den Bereich von -1 bis 1 einschränken. Anschließend werden wir ein AxesImage-Objekt mit imshow und der Farbskala coolwarm erstellen. Schließlich werden wir einem Titel zum Diagramm hinzufügen.
## Make plot with vertical (default) colorbar
fig, ax = plt.subplots()
data = np.clip(randn(250, 250), -1, 1)
cax = ax.imshow(data, cmap=cm.coolwarm)
ax.set_title('Gaussian noise with vertical colorbar')
Anpassen der Skalenbeschriftungen auf der vertikalen Farbskala
Als nächstes werden wir die Skalenbeschriftungen auf der vertikalen Farbskala anpassen. Wir werden eine Farbskala mit colorbar erstellen und die Skalenpositionen mit dem Parameter ticks angeben. Anschließend werden wir die Skalenbeschriftungen mit set_yticklabels auf dem ax-Attribut des Farbskala-Objekts festlegen.
## Add colorbar, make sure to specify tick locations to match desired ticklabels
cbar = fig.colorbar(cax, ticks=[-1, 0, 1])
cbar.ax.set_yticklabels(['< -1', '0', '> 1']) ## vertically oriented colorbar
Erstellen eines Diagramms mit einer horizontalen Farbskala
Wir werden nun ein Diagramm mit einer horizontalen Farbskala erstellen. Wir werden die gleichen Schritte wie in Schritt 2 folgen, aber diesmal werden wir die Farbskala afmhot verwenden und die Ausrichtung der Farbskala horizontal setzen.
## Make plot with horizontal colorbar
fig, ax = plt.subplots()
data = np.clip(randn(250, 250), -1, 1)
cax = ax.imshow(data, cmap=cm.afmhot)
ax.set_title('Gaussian noise with horizontal colorbar')
cbar = fig.colorbar(cax, ticks=[-1, 0, 1], orientation='horizontal')
cbar.ax.set_xticklabels(['Low', 'Medium', 'High']) ## horizontal colorbar
Zeige das Diagramm an
Schließlich werden wir das Diagramm mit plt.show() anzeigen.
plt.show()
Zusammenfassung
In diesem Lab haben wir gelernt, wie man die Skalenbeschriftungen auf einer Farbskala in Matplotlib anpasst. Wir haben zunächst ein Diagramm mit einer vertikalen Farbskala erstellt und die Skalenbeschriftungen mit set_yticklabels angepasst. Anschließend haben wir ein Diagramm mit einer horizontalen Farbskala erstellt und die Skalenbeschriftungen mit set_xticklabels angepasst. Die Anpassung der Skalenbeschriftungen auf einer Farbskala kann dazu beitragen, Ihre Visualisierungen informativer und lesbarer zu machen.