Transformación de cuadrícula personalizada con Matplotlib

Introducción

Esta práctica proporciona una guía paso a paso sobre cómo utilizar GridHelperCurveLinear para definir cuadrículas y marcas de graduación personalizadas mediante la aplicación de una transformación en la cuadrícula. Utilizaremos la biblioteca Matplotlib de Python para crear cuadrículas y marcas de graduación personalizadas.

Consejos sobre la VM

Una vez finalizada la inicialización de la VM, haga clic en la esquina superior izquierda para cambiar a la pestaña Cuaderno y acceder a Jupyter Notebook para practicar.

En ocasiones, es posible que tenga que esperar unos segundos a que Jupyter Notebook termine de cargarse. La validación de las operaciones no se puede automatizar debido a las limitaciones de Jupyter Notebook.

Si tiene problemas durante el aprendizaje, no dude en preguntar a Labby. Deje su retroalimentación después de la sesión y lo resolveremos rápidamente para usted.

Importar las bibliotecas necesarias

El primer paso es importar las bibliotecas necesarias, incluyendo matplotlib.pyplot, numpy, ExtremeFinderSimple, MaxNLocator y GridHelperCurveLinear.

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.axisartist.axislines import Axes
from mpl_toolkits.axisartist.grid_finder import (ExtremeFinderSimple, MaxNLocator)
from mpl_toolkits.axisartist.grid_helper_curvelinear import GridHelperCurveLinear

Definir funciones de transformación

El segundo paso es definir las funciones de transformación. En este ejemplo, usaremos la función tr para transformar los valores del eje x y dejar los valores del eje y sin cambios. La función inv_tr se usará para invertir la transformación.

def tr(x, y):
    return np.sign(x)*abs(x)**.5, y

def inv_tr(x, y):
    return np.sign(x)*x**2, y

Definir GridHelperCurveLinear

El tercer paso es definir la instancia de GridHelperCurveLinear. Usaremos las funciones de transformación definidas en el Paso 2 para transformar la cuadrícula. También estableceremos grid_locator1 y grid_locator2 en MaxNLocator(nbins=6) para aumentar la densidad de las marcas de graduación.

grid_helper = GridHelperCurveLinear(
    (tr, inv_tr),
    extreme_finder=ExtremeFinderSimple(20, 20),
    grid_locator1=MaxNLocator(nbins=6), grid_locator2=MaxNLocator(nbins=6))

Definir ejes y mostrar imagen

El cuarto paso es definir los ejes utilizando la instancia grid_helper creada en el Paso 3. También mostraremos una imagen utilizando la función imshow.

ax1 = fig.add_subplot(axes_class=Axes, grid_helper=grid_helper)
ax1.imshow(np.arange(25).reshape(5, 5), vmax=50, cmap=plt.cm.gray_r, origin="lower")

Crear la figura

El último paso es crear la figura utilizando la función plt.figure. Estableceremos el tamaño de la figura en (7, 4) y llamaremos a la función curvelinear_test1 creada en los Pasos 2-4.

if __name__ == "__main__":
    fig = plt.figure(figsize=(7, 4))
    curvelinear_test1(fig)
    plt.show()

Resumen

En este laboratorio, aprendimos cómo usar GridHelperCurveLinear para definir cuadrículas y marcas de graduación personalizadas mediante la aplicación de una transformación en la cuadrícula. Usamos la biblioteca Matplotlib de Python para crear una cuadrícula y marcas de graduación personalizadas para una matriz 5x5 mostrada en los ejes.