Matplotlib 컬러맵 정규화

소개

데이터 시각화에서 컬러맵 (colormap) 은 색상을 통해 수치 데이터를 표현하는 데 사용됩니다. 하지만, 때로는 데이터 분포가 비선형적일 수 있으며, 이는 데이터의 세부 사항을 구별하기 어렵게 만들 수 있습니다. 이러한 경우, 컬러맵 정규화 (colormap normalization) 를 사용하여 컬러맵을 비선형 방식으로 데이터에 매핑하여 데이터를 보다 정확하게 시각화할 수 있습니다. Matplotlib 은 SymLogNorm 및 AsinhNorm을 포함한 여러 정규화 방법을 제공하며, 이를 사용하여 컬러맵을 정규화할 수 있습니다. 이 랩에서는 SymLogNorm 및 AsinhNorm을 사용하여 컬러맵을 비선형 데이터에 매핑하는 방법을 보여줍니다.

VM 팁

VM 시작이 완료되면, 왼쪽 상단 모서리를 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 액세스하십시오.

때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사는 자동화될 수 없습니다.

학습 중에 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 즉시 해결해 드리겠습니다.

필요한 라이브러리 가져오기

이 단계에서는 Matplotlib, NumPy 및 Matplotlib 색상을 포함한 필요한 라이브러리를 가져오겠습니다.

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as colors

합성 데이터 생성

이 단계에서는 음수 1 개와 양수 1 개, 총 두 개의 험프 (hump) 로 구성된 합성 데이터 세트를 생성합니다. 양수 험프는 음수 험프보다 8 배 더 큰 진폭을 갖습니다. 그런 다음 SymLogNorm을 적용하여 데이터를 시각화합니다.

def rbf(x, y):
    return 1.0 / (1 + 5 * ((x ** 2) + (y ** 2)))

N = 200
gain = 8
X, Y = np.mgrid[-3:3:complex(0, N), -2:2:complex(0, N)]
Z1 = rbf(X + 0.5, Y + 0.5)
Z2 = rbf(X - 0.5, Y - 0.5)
Z = gain * Z1 - Z2

shadeopts = {'cmap': 'PRGn', 'shading': 'gouraud'}
colormap = 'PRGn'
lnrwidth = 0.5

SymLogNorm 적용

이 단계에서는 합성 데이터에 SymLogNorm을 적용하고 결과를 시각화합니다.

fig, ax = plt.subplots(2, 1, sharex=True, sharey=True)

pcm = ax[0].pcolormesh(X, Y, Z,
                       norm=colors.SymLogNorm(linthresh=lnrwidth, linscale=1,
                                              vmin=-gain, vmax=gain, base=10),
                       **shadeopts)
fig.colorbar(pcm, ax=ax[0], extend='both')
ax[0].text(-2.5, 1.5, 'symlog')

pcm = ax[1].pcolormesh(X, Y, Z, vmin=-gain, vmax=gain,
                       **shadeopts)
fig.colorbar(pcm, ax=ax[1], extend='both')
ax[1].text(-2.5, 1.5, 'linear')

plt.show()

AsinhNorm 적용

이 단계에서는 합성 데이터에 AsinhNorm을 적용하고 결과를 시각화합니다.

fig, ax = plt.subplots(2, 1, sharex=True, sharey=True)

pcm = ax[0].pcolormesh(X, Y, Z,
                       norm=colors.SymLogNorm(linthresh=lnrwidth, linscale=1,
                                              vmin=-gain, vmax=gain, base=10),
                       **shadeopts)
fig.colorbar(pcm, ax=ax[0], extend='both')
ax[0].text(-2.5, 1.5, 'symlog')

pcm = ax[1].pcolormesh(X, Y, Z,
                       norm=colors.AsinhNorm(linear_width=lnrwidth,
                                             vmin=-gain, vmax=gain),
                       **shadeopts)
fig.colorbar(pcm, ax=ax[1], extend='both')
ax[1].text(-2.5, 1.5, 'asinh')

plt.show()

요약

이 랩에서는 SymLogNorm과 AsinhNorm을 사용하여 컬러맵을 비선형 데이터에 매핑하는 방법을 배웠습니다. 이러한 정규화 (normalization) 방법을 적용함으로써 데이터를 보다 정확하게 시각화하고 데이터의 세부 사항을 더 쉽게 파악할 수 있습니다.