Introdução
Neste laboratório, você aprenderá como criar uma imagem de contorno usando a biblioteca Matplotlib do Python. A imagem de contorno é uma técnica de visualização que representa uma superfície tridimensional usando um gráfico bidimensional. A imagem de contorno consiste em linhas de contorno, que são linhas que conectam pontos de igual valor na superfície, e contornos preenchidos, que são regiões entre as linhas de contorno.
Dicas para a VM
Após a inicialização da VM, clique no canto superior esquerdo para mudar para a aba Notebook e acessar o Jupyter Notebook para praticar.
Às vezes, pode ser necessário aguardar alguns segundos para que o Jupyter Notebook termine de carregar. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.
Se você enfrentar problemas durante o aprendizado, sinta-se à vontade para perguntar ao Labby. Forneça feedback após a sessão, e resolveremos o problema prontamente para você.
Importar Bibliotecas
Nesta etapa, você importará as bibliotecas necessárias para criar a imagem de contorno.
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm
Definir os Dados
Nesta etapa, você definirá os dados a serem plotados. Os dados são uma matriz bidimensional de valores que representa a superfície.
## Default delta is large because that makes it fast, and it illustrates
## the correct registration between image and 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
Criar a Imagem de Contorno
Nesta etapa, você criará a imagem de contorno usando as funções contour e contourf do Matplotlib.
## Boost the upper limit to avoid truncation errors.
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))
## It is not necessary, but for the colormap, we need only the
## number of levels minus 1. To avoid discretization error, use
## either this number or a large number such as the default (256).
## If we want lines as well as filled regions, we need to call
## contour separately; don't try to change the edgecolor or edgewidth
## of the polygons in the collections returned by contourf.
## Use levels output from previous call to guarantee they are the same.
cset2 = axs[0].contour(X, Y, Z, cset1.levels, colors='k')
## We don't really need dashed contour lines to indicate negative
## regions, so let's turn them off.
for c in cset2.collections:
c.set_linestyle('solid')
## It is easier here to make a separate call to contour than
## to set up an array of colors and linewidths.
## We are making a thick green line as a zero contour.
## Specify the zero level as a tuple with only 0 in it.
cset3 = axs[0].contour(X, Y, Z, (0,), colors='g', linewidths=2)
axs[0].set_title('Filled contours')
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, origin '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, origin 'lower'")
## We will use the interpolation "nearest" here to show the actual
## image pixels.
## Note that the contour lines don't extend to the edge of the box.
## This is intentional. The Z values are defined at the center of each
## image pixel (each color block on the following subplot), so the
## domain that is contoured does not extend beyond these pixel centers.
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("Origin from rc, reversed y-axis")
fig.colorbar(im, ax=axs[3])
fig.tight_layout()
plt.show()
Exibir a Imagem de Contorno
Nesta etapa, você exibirá a imagem de contorno.
fig.tight_layout()
plt.show()
Resumo
Neste laboratório, você aprendeu como criar uma imagem de contorno usando a biblioteca Matplotlib do Python. Você começou importando as bibliotecas necessárias, definindo os dados a serem plotados, criando a imagem de contorno e exibindo a imagem. A imagem de contorno é uma técnica de visualização útil que pode ser usada para representar uma superfície tridimensional usando um gráfico bidimensional.