Das Plotten von Sparsamkeitmustern in Python

Einführung

In diesem Tutorial lernen wir, wie man die Sparsamkeitmuster von Arrays mit Matplotlib darstellt. Das Sparsamkeitmuster bezieht sich auf die Verteilung der nicht-null Elemente in einem Array. Wir werden die spy-Funktion in Matplotlib verwenden, um die Sparsamkeitmuster zu plotten.

Tipps für die 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 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, und wir werden das Problem für Sie prompt beheben.

Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL python(("Python")) -.-> python/PythonStandardLibraryGroup(["Python Standard Library"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) python(("Python")) -.-> python/DataStructuresGroup(["Data Structures"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) matplotlib(("Matplotlib")) -.-> matplotlib/BasicConceptsGroup(["Basic Concepts"]) matplotlib/BasicConceptsGroup -.-> matplotlib/importing_matplotlib("Importing Matplotlib") matplotlib/BasicConceptsGroup -.-> matplotlib/figures_axes("Understanding Figures and Axes") python/DataStructuresGroup -.-> python/lists("Lists") python/DataStructuresGroup -.-> python/tuples("Tuples") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") python/ModulesandPackagesGroup -.-> python/standard_libraries("Common Standard Libraries") python/PythonStandardLibraryGroup -.-> python/math_random("Math and Random") python/DataScienceandMachineLearningGroup -.-> python/numerical_computing("Numerical Computing") python/DataScienceandMachineLearningGroup -.-> python/data_visualization("Data Visualization") subgraph Lab Skills matplotlib/importing_matplotlib -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} matplotlib/figures_axes -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} python/lists -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} python/tuples -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} python/importing_modules -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} python/standard_libraries -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} python/math_random -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} python/numerical_computing -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} python/data_visualization -.-> lab-48955{{"Das Plotten von Sparsamkeitmustern"}} end

Importieren der erforderlichen Bibliotheken

Wir beginnen mit dem Importieren der erforderlichen Bibliotheken, nämlich NumPy und Matplotlib.

import matplotlib.pyplot as plt
import numpy as np

Erstellen eines zufälligen Arrays

Als nächstes werden wir ein zufälliges Array mit den Dimensionen (20, 20) mithilfe der numpy.random.randn-Funktion erstellen. Wir werden auch einige Elemente auf Null setzen, um eine spärliche Matrix zu erstellen.

np.random.seed(19680801)
x = np.random.randn(20, 20)
x[5, :] = 0.
x[:, 12] = 0.

Erstellen von Teilplots

Wir werden nun ein 2x2-Gitter von Teilplots mit der subplots-Funktion erstellen. Dies wird uns vier Plots geben, um das Sparsamkeitmuster des Arrays zu visualisieren.

fig, axs = plt.subplots(2, 2)
ax1 = axs[0, 0]
ax2 = axs[0, 1]
ax3 = axs[1, 0]
ax4 = axs[1, 1]

Plotten des Sparsamkeitmusters

Wir werden die spy-Funktion verwenden, um das Sparsamkeitmuster des Arrays zu plotten. Wir werden verschiedene Parameter wie markersize und precision verwenden, um den Plot anzupassen.

ax1.spy(x, markersize=5)
ax2.spy(x, precision=0.1, markersize=5)
ax3.spy(x)
ax4.spy(x, precision=0.1)

Anzeigen der Plots

Schließlich werden wir die Plots mit der show-Funktion anzeigen.

plt.show()

Zusammenfassung

In diesem Tutorial haben wir gelernt, wie man Sparsamkeitmuster von Arrays mit Matplotlib darstellt. Wir haben die spy-Funktion verwendet, um das Sparsamkeitmuster zu visualisieren und den Plot mit verschiedenen Parametern angepasst. Wir haben auch gelernt, wie man Teilplots erstellt und die Plots mit der show-Funktion anzeigt.