Erstellen Sie das ikonische Firefox-Logo mit Python Matplotlib

Einführung

In diesem Lab führen wir Sie durch den Prozess der Erstellung des Firefox-Logos mithilfe der Matplotlib-Bibliothek in Python.

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 von 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.

Importieren der erforderlichen Bibliotheken

Wir importieren zunächst alle erforderlichen Bibliotheken für dieses Projekt, die re, matplotlib.pyplot, numpy, matplotlib.patches und matplotlib.path umfassen.

import re
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.patches as patches
from matplotlib.path import Path

Definieren des Pfads des Firefox-Logos

Wir werden den Pfad des Firefox-Logos mithilfe von SVG-Pfaddaten definieren.

firefox = "M28.4,22.469c0.479-0.964,0.851-1.991,1.095-3.066c0.953-3.661,0.666-6.854,0.666-6.854l-0.327,2.104c0,0-0.469-3.896-1.044-5.353c-0.881-2.231-1.273-2.214-1.274-2.21c0.542,1.379,0.494,2.169,0.483,2.288c-0.01-0.016-0.019-0.032-0.027-0.047c-0.131-0.324-0.797-1.819-2.225-2.878c-2.502-2.481-5.943-4.014-9.745-4.015c-4.056,0-7.705,1.745-10.238,4.525C5.444,6.5,5.183,5.938,5.159,5.317c0,0-0.002,0.002-0.006,0.005c0-0.011-0.003-0.021-0.003-0.031c0,0-1.61,1.247-1.436,4.612c-0.299,0.574-0.56,1.172-0.777,1.791c-0.375,0.817-0.75,2.004-1.059,3.746c0,0,0.133-0.422,0.399-0.988c-0.064,0.482-0.103,0.971-0.116,1.467c-0.09,0.845-0.118,1.865-0.039,3.088c0,0,0.032-0.406,0.136-1.021c0.834,6.854,6.667,12.165,13.743,12.165l0,0c1.86,0,3.636-0.37,5.256-1.036C24.938,27.771,27.116,25.196,28.4,22.469zM16.002,3.356c2.446,0,4.73,0.68,6.68,1.86c-2.274-0.528-3.433-0.261-3.423-0.248c0.013,0.015,3.384,0.589,3.981,1.411c0,0-1.431,0-2.856,0.41c-0.065,0.019,5.242,0.663,6.327,5.966c0,0-0.582-1.213-1.301-1.42c0.473,1.439,0.351,4.17-0.1,5.528c-0.058,0.174-0.118-0.755-1.004-1.155c0.284,2.037-0.018,5.268-1.432,6.158c-0.109,0.07,0.887-3.189,0.201-1.93c-4.093,6.276-8.959,2.539-10.934,1.208c1.585,0.388,3.267,0.108,4.242-0.559c0.982-0.672,1.564-1.162,2.087-1.047c0.522,0.117,0.87-0.407,0.464-0.872c-0.405-0.466-1.392-1.105-2.725-0.757c-0.94,0.247-2.107,1.287-3.886,0.233c-1.518-0.899-1.507-1.63-1.507-2.095c0-0.366,0.257-0.88,0.734-1.028c0.58,0.062,1.044,0.214,1.537,0.466c0.005-0.135,0.006-0.315-0.001-0.519c0.039-0.077,0.015-0.311-0.047-0.596c-0.036-0.287-0.097-0.582-0.19-0.851c0.01-0.002,0.017-0.007,0.021-0.021c0.076-0.344,2.147-1.544,2.299-1.659c0.153-0.114,0.55-0.378,0.506-1.183c-0.015-0.265-0.058-0.294-2.232-0.286c-0.917,0.003-1.425-0.894-1.589-1.245c0.222-1.231,0.863-2.11,1.919-2.704c0.02-0.011,0.015-0.021-0.008-0.027c0.219-0.127-2.524-0.006-3.76,1.604C9.674,8.045,9.219,7.95,8.71,7.95c-0.638,0-1.139,0.07-1.603,0.187c-0.05,0.013-0.122,0.011-0.208-0.001C6.769,8.04,6.575,7.88,6.365,7.672c0.161-0.18,0.324-0.356,0.495-0.526C9.201,4.804,12.43,3.357,16.002,3.356z"  ## noqa

Analysieren von SVG-Pfaddaten

Wir werden die svg_parse-Funktion verwenden, um die SVG-Pfaddaten in Eckpunkte und Codes zu analysieren, die von Matplotlib verwendet werden können.

def svg_parse(path):
    commands = {'M': (Path.MOVETO,),
                'L': (Path.LINETO,),
                'Q': (Path.CURVE3,)*2,
                'C': (Path.CURVE4,)*3,
                'Z': (Path.CLOSEPOLY,)}
    vertices = []
    codes = []
    cmd_values = re.split("([A-Za-z])", path)[1:]  ## Split over commands.
    for cmd, values in zip(cmd_values[::2], cmd_values[1::2]):
        ## Numbers are separated either by commas, or by +/- signs (but not at
        ## the beginning of the string).
        points = ([*map(float, re.split(",|(?<!^)(?=[+-])", values))] if values
                  else [(0., 0.)])  ## Only for "z/Z" (CLOSEPOLY).
        points = np.reshape(points, (-1, 2))
        if cmd.islower():
            points += vertices[-1][-1]
        codes.extend(commands[cmd.upper()])
        vertices.append(points)
    return np.array(codes), np.concatenate(vertices)

## Analysieren der Firefox-Logo-Pfaddaten
codes, verts = svg_parse(firefox)
path = Path(verts, codes)

Erstellen des Diagramms

Wir werden nun das Diagramm mit Matplotlib erstellen, indem wir zwei PathPatch-Objekte zum Diagramm hinzufügen. Ein Objekt wird eine orange gefüllte Form sein, während das andere eine weiße Umrandung darstellt.

## Setzen der Diagrammgrenzen
xmin, ymin = verts.min(axis=0) - 1
xmax, ymax = verts.max(axis=0) + 1

## Erstellen des Diagramms
fig = plt.figure(figsize=(5, 5), facecolor="0.75")  ## grauer Hintergrund
ax = fig.add_axes([0, 0, 1, 1], frameon=False, aspect=1,
                  xlim=(xmin, xmax),  ## Zentrierung
                  ylim=(ymax, ymin),  ## Zentrierung, gedreht nach oben
                  xticks=[], yticks=[])  ## keine Striche

## Hinzufügen der weißen Umrandung
ax.add_patch(patches.PathPatch(path, facecolor='none', edgecolor='w', lw=6))

## Hinzufügen der orangen Form
ax.add_patch(patches.PathPatch(path, facecolor='orange', edgecolor='k', lw=2))

## Anzeigen des Diagramms
plt.show()

Zusammenfassung

In diesem Lab haben wir gelernt, wie man Matplotlib verwendet, um ein Diagramm des Firefox-Logos zu erstellen. Wir haben die SVG-Pfaddaten mit einer benutzerdefinierten Funktion analysiert und das Diagramm mit PathPatch-Objekten erstellt. Dieses Lab bietet eine gute Einführung in die Möglichkeiten von Matplotlib zur Erstellung komplexer Formen und Designs.

Matplotlib Logo Erstellung