Matplotlib | 컬러맵 | 정규화 | Jupyter Notebook

소개

이 랩에서는 Matplotlib 을 사용하여 비선형 방식으로 데이터를 컬러맵 (colormap) 에 매핑하는 방법을 배웁니다. norm을 사용하여 로그 (logarithmic), 멱법칙 (power-law), 대칭 로그 (symmetric logarithmic) 및 사용자 정의 정규화 (custom normalization) 를 만드는 방법을 시연합니다. 또한 BoundaryNorm을 사용하여 색상 경계를 제공하는 방법도 배웁니다.

VM 팁

VM 시작이 완료되면, 왼쪽 상단을 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 접속하십시오.

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 중 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 신속하게 해결해 드리겠습니다.

Lognorm

우리는 상단에서 솟아오르는 스파이크 (spike) 가 있는 낮은 험프 (hump) 를 생성할 것입니다. 험프와 스파이크를 모두 볼 수 있도록 z/color 축을 로그 스케일 (log scale) 로 설정해야 합니다.

N = 100
X, Y = np.mgrid[-3:3:complex(0, N), -2:2:complex(0, N)]

Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X * 10)**2 - (Y * 10)**2)
Z = Z1 + 50 * Z2

fig, ax = plt.subplots(2, 1)

pcm = ax[0].pcolor(X, Y, Z,
                   norm=colors.LogNorm(vmin=Z.min(), vmax=Z.max()),
                   cmap='PuBu_r', shading='nearest')
fig.colorbar(pcm, ax=ax[0], extend='max')

pcm = ax[1].pcolor(X, Y, Z, cmap='PuBu_r', shading='nearest')
fig.colorbar(pcm, ax=ax[1], extend='max')

PowerNorm

X 에서 멱법칙 (power-law) 추세를 생성하여 Y 에서 정류된 사인파 (sine wave) 의 일부를 가립니다. 그런 다음 PowerNorm을 사용하여 멱법칙을 제거합니다.

X, Y = np.mgrid[0:3:complex(0, N), 0:2:complex(0, N)]
Z1 = (1 + np.sin(Y * 10.)) * X**2

fig, ax = plt.subplots(2, 1)

pcm = ax[0].pcolormesh(X, Y, Z1, norm=colors.PowerNorm(gamma=1. / 2.),
                       cmap='PuBu_r', shading='nearest')
fig.colorbar(pcm, ax=ax[0], extend='max')

pcm = ax[1].pcolormesh(X, Y, Z1, cmap='PuBu_r', shading='nearest')
fig.colorbar(pcm, ax=ax[1], extend='max')

SymLogNorm

우리는 두 개의 험프 (hump) 를 생성할 것입니다. 하나는 음수이고 다른 하나는 양수이며, 양수 험프는 5 배의 진폭을 갖습니다. 선형적으로는 음수 험프의 세부 사항을 볼 수 없습니다. SymLogNorm을 사용하여 양수 및 음수 데이터를 개별적으로 로그 스케일링 (logarithmically scale) 합니다.

X, Y = np.mgrid[-3:3:complex(0, N), -2:2:complex(0, N)]
Z = 5 * np.exp(-X**2 - Y**2)

fig, ax = plt.subplots(2, 1)

pcm = ax[0].pcolormesh(X, Y, Z,
                       norm=colors.SymLogNorm(linthresh=0.03, linscale=0.03,
                                              vmin=-1.0, vmax=1.0, base=10),
                       cmap='RdBu_r', shading='nearest')
fig.colorbar(pcm, ax=ax[0], extend='both')

pcm = ax[1].pcolormesh(X, Y, Z, cmap='RdBu_r', vmin=-np.max(Z),
                       shading='nearest')
fig.colorbar(pcm, ax=ax[1], extend='both')

사용자 정의 Norm (Custom Norm)

사용자 정의 정규화 (normalization) 를 사용한 예제를 만들 것입니다. 이 예제는 이전 예제를 사용하며, 음수 데이터를 양수 데이터와 다르게 정규화합니다.

X, Y = np.mgrid[-3:3:complex(0, N), -2:2:complex(0, N)]
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
Z = (Z1 - Z2) * 2

class MidpointNormalize(colors.Normalize):
    def __init__(self, vmin=None, vmax=None, midpoint=None, clip=False):
        self.midpoint = midpoint
        super().__init__(vmin, vmax, clip)

    def __call__(self, value, clip=None):
        x, y = [self.vmin, self.midpoint, self.vmax], [0, 0.5, 1]
        return np.ma.masked_array(np.interp(value, x, y))

fig, ax = plt.subplots(2, 1)

pcm = ax[0].pcolormesh(X, Y, Z,
                       norm=MidpointNormalize(midpoint=0.),
                       cmap='RdBu_r', shading='nearest')
fig.colorbar(pcm, ax=ax[0], extend='both')

pcm = ax[1].pcolormesh(X, Y, Z, cmap='RdBu_r', vmin=-np.max(Z),
                       shading='nearest')
fig.colorbar(pcm, ax=ax[1], extend='both')

BoundaryNorm

BoundaryNorm을 사용하여 색상 경계를 제공합니다.

fig, ax = plt.subplots(3, 1, figsize=(8, 8))
ax = ax.flatten()
bounds = np.linspace(-1, 1, 10)
norm = colors.BoundaryNorm(boundaries=bounds, ncolors=256)
pcm = ax[0].pcolormesh(X, Y, Z,
                       norm=norm,
                       cmap='RdBu_r', shading='nearest')
fig.colorbar(pcm, ax=ax[0], extend='both', orientation='vertical')

bounds = np.array([-0.25, -0.125, 0, 0.5, 1])
norm = colors.BoundaryNorm(boundaries=bounds, ncolors=256)
pcm = ax[1].pcolormesh(X, Y, Z, norm=norm, cmap='RdBu_r', shading='nearest')
fig.colorbar(pcm, ax=ax[1], extend='both', orientation='vertical')

pcm = ax[2].pcolormesh(X, Y, Z, cmap='RdBu_r', vmin=-np.max(Z1),
                       shading='nearest')
fig.colorbar(pcm, ax=ax[2], extend='both', orientation='vertical')

plt.show()

요약

이 랩에서는 LogNorm, PowerNorm, SymLogNorm 및 사용자 정의 정규화와 같은 다양한 정규화를 사용하여 Matplotlib 를 통해 데이터를 비선형 방식으로 컬러맵에 매핑하는 방법을 배웠습니다. 또한 BoundaryNorm을 사용하여 색상 경계를 제공하는 방법도 배웠습니다.

Matplotlib 컬러맵 정규화

소개