Farbe nach Y-Wert

PythonPythonBeginner
Jetzt üben

This tutorial is from open-source community. Access the source code

💡 Dieser Artikel wurde von AI-Assistenten übersetzt. Um die englische Version anzuzeigen, können Sie hier klicken

Einführung

Matplotlib ist eine Datenvisualisierungsbibliothek in Python. Es ist ein leistungsstarkes Tool zur Erstellung einer Vielzahl von Graphen und Diagrammen. Eine der Eigenschaften von Matplotlib ist die Möglichkeit, Linien mit unterschiedlichen Farben basierend auf dem y-Wert zu zeichnen. In diesem Lab wird gezeigt, wie maskierte Arrays verwendet werden, um eine Linie mit unterschiedlichen Farben nach y-Wert zu zeichnen.

Tipps für die virtuelle Maschine

Nachdem der Start der virtuellen Maschine 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 der Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback ab, und wir werden das Problem für Sie prompt beheben.


Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) matplotlib(("Matplotlib")) -.-> matplotlib/BasicConceptsGroup(["Basic Concepts"]) matplotlib(("Matplotlib")) -.-> matplotlib/PlottingDataGroup(["Plotting Data"]) python(("Python")) -.-> python/DataStructuresGroup(["Data Structures"]) matplotlib/BasicConceptsGroup -.-> matplotlib/importing_matplotlib("Importing Matplotlib") matplotlib/BasicConceptsGroup -.-> matplotlib/figures_axes("Understanding Figures and Axes") matplotlib/PlottingDataGroup -.-> matplotlib/line_plots("Line Plots") python/DataStructuresGroup -.-> python/tuples("Tuples") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") python/DataScienceandMachineLearningGroup -.-> python/numerical_computing("Numerical Computing") python/DataScienceandMachineLearningGroup -.-> python/data_visualization("Data Visualization") subgraph Lab Skills matplotlib/importing_matplotlib -.-> lab-48605{{"Farbe nach Y-Wert"}} matplotlib/figures_axes -.-> lab-48605{{"Farbe nach Y-Wert"}} matplotlib/line_plots -.-> lab-48605{{"Farbe nach Y-Wert"}} python/tuples -.-> lab-48605{{"Farbe nach Y-Wert"}} python/importing_modules -.-> lab-48605{{"Farbe nach Y-Wert"}} python/numerical_computing -.-> lab-48605{{"Farbe nach Y-Wert"}} python/data_visualization -.-> lab-48605{{"Farbe nach Y-Wert"}} end

Importieren der erforderlichen Bibliotheken

In diesem Schritt importieren wir die erforderlichen Bibliotheken für dieses Lab.

import matplotlib.pyplot as plt
import numpy as np

Daten erstellen

In diesem Schritt werden wir die Daten für unseren Graphen erstellen. Wir werden ein Array von Werten für t und ein Array von Werten für s erstellen.

t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2 * np.pi * t)

Maskierte Arrays erstellen

In diesem Schritt werden wir drei maskierte Arrays erstellen: eines für Werte, die größer als einen bestimmten Schwellenwert sind, eines für Werte, die kleiner als einen bestimmten Schwellenwert sind, und eines für Werte, die zwischen zwei Schwellenwerten liegen.

upper = 0.77
lower = -0.77

supper = np.ma.masked_where(s < upper, s)
slower = np.ma.masked_where(s > lower, s)
smiddle = np.ma.masked_where((s < lower) | (s > upper), s)

Graphen erstellen

In diesem Schritt werden wir den Graphen mit den im vorherigen Schritt erstellten maskierten Arrays erstellen. Wir werden jedes maskierte Array separat plotten und für jedes eine andere Farbe verwenden.

fig, ax = plt.subplots()
ax.plot(t, smiddle, t, slower, t, supper)
plt.show()

Zusammenfassung

In diesem Lab haben wir gelernt, wie man in Matplotlib mithilfe von maskierten Arrays Linien mit unterschiedlichen Farben basierend auf dem y-Wert zeichnen kann. Diese Technik kann nützlich sein, wenn man Daten visualisiert, bei denen es verschiedene interessierende Regionen gibt, die für die Klarheit unterschiedliche Farben benötigen.