Introduction
Dans ce laboratoire, vous allez apprendre à créer une image de contour à l'aide de la bibliothèque Matplotlib de Python. L'image de contour est une technique de visualisation qui représente une surface tridimensionnelle à l'aide d'un tracé bidimensionnel. L'image de contour est composée de lignes de contour, qui sont des lignes qui relient des points de même valeur dans la surface, et de contours remplis, qui sont des régions situées entre les lignes de contour.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder au carnet Jupyter pour pratiquer.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limitations du carnet Jupyter.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.
Importation des bibliothèques
Dans cette étape, vous allez importer les bibliothèques nécessaires pour créer l'image de contour.
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm
Définir les données
Dans cette étape, vous allez définir les données à tracer. Les données sont un tableau bidimensionnel de valeurs qui représente la surface.
## Delta par défaut est grand car cela le rend rapide et illustre
## l'enregistrement correct entre l'image et les contours.
delta = 0.5
extent = (-3, 4, -4, 3)
x = np.arange(-3.0, 4.001, delta)
y = np.arange(-4.0, 3.001, delta)
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
Z = (Z1 - Z2) * 2
Créer l'image de contour
Dans cette étape, vous allez créer l'image de contour en utilisant les fonctions contour et contourf de Matplotlib.
## Augmentez la limite supérieure pour éviter les erreurs de troncature.
levels = np.arange(-2.0, 1.601, 0.4)
norm = cm.colors.Normalize(vmax=abs(Z).max(), vmin=-abs(Z).max())
cmap = cm.PRGn
fig, _axs = plt.subplots(nrows=2, ncols=2)
fig.subplots_adjust(hspace=0.3)
axs = _axs.flatten()
cset1 = axs[0].contourf(X, Y, Z, levels, norm=norm,
cmap=cmap.resampled(len(levels) - 1))
## Ce n'est pas nécessaire, mais pour la carte de couleur, nous avons seulement besoin
## du nombre de niveaux moins 1. Pour éviter l'erreur de discrétisation, utilisez
## soit ce nombre soit un nombre élevé tel que la valeur par défaut (256).
## Si nous voulons les lignes ainsi que les régions remplies, nous devons appeler
## contour séparément ; n'essayez pas de changer la couleur de bord ou la largeur de bord
## des polygones dans les collections renvoyées par contourf.
## Utilisez les niveaux de sortie de l'appel précédent pour vous assurer qu'ils sont les mêmes.
cset2 = axs[0].contour(X, Y, Z, cset1.levels, colors='k')
## Nous n'avons pas vraiment besoin de lignes de contour en tirets pour indiquer les
## régions négatives, donc désactivons-les.
for c in cset2.collections:
c.set_linestyle('solid')
## Il est plus facile ici de faire un appel séparé à contour que
## de configurer un tableau de couleurs et de largeurs de ligne.
## Nous créons une ligne verte épaisse comme contour nul.
## Spécifiez le niveau nul comme un tuple avec seulement 0 dedans.
cset3 = axs[0].contour(X, Y, Z, (0,), colors='g', linewidths=2)
axs[0].set_title('Contours remplis')
fig.colorbar(cset1, ax=axs[0])
axs[1].imshow(Z, extent=extent, cmap=cmap, norm=norm)
axs[1].contour(Z, levels, colors='k', origin='upper', extent=extent)
axs[1].set_title("Image, origine 'upper'")
axs[2].imshow(Z, origin='lower', extent=extent, cmap=cmap, norm=norm)
axs[2].contour(Z, levels, colors='k', origin='lower', extent=extent)
axs[2].set_title("Image, origine 'lower'")
## Nous utiliserons l'interpolation "nearest" ici pour montrer les
## pixels réels de l'image.
## Notez que les lignes de contour ne s'étendent pas jusqu'au bord de la boîte.
## Cela est intentionnel. Les valeurs de Z sont définies au centre de chaque
## pixel d'image (chaque bloc de couleur dans le sous-graphe suivant), donc
## le domaine qui est conturé ne s'étend pas au-delà de ces centres de pixel.
im = axs[3].imshow(Z, interpolation='nearest', extent=extent,
cmap=cmap, norm=norm)
axs[3].contour(Z, levels, colors='k', origin='image', extent=extent)
ylim = axs[3].get_ylim()
axs[3].set_ylim(ylim[::-1])
axs[3].set_title("Origine à partir de rc, axe y inversé")
fig.colorbar(im, ax=axs[3])
fig.tight_layout()
plt.show()
Afficher l'image de contour
Dans cette étape, vous allez afficher l'image de contour.
fig.tight_layout()
plt.show()
Sommaire
Dans ce laboratoire, vous avez appris à créer une image de contour à l'aide de la bibliothèque Matplotlib de Python. Vous avez commencé par importer les bibliothèques nécessaires, défini les données à tracer, créé l'image de contour et affiché l'image. L'image de contour est une technique de visualisation utile qui peut être utilisée pour représenter une surface tridimensionnelle à l'aide d'un tracé bidimensionnel.