Visualização de Gráficos Sombreados em Matplotlib

Introdução

Este laboratório irá guiá-lo através do processo de criação de gráficos sombreados em Matplotlib usando diferentes técnicas. Você aprenderá como exibir uma barra de cores para um gráfico sombreado, evitar outliers (valores discrepantes) em um gráfico sombreado e exibir diferentes variáveis através de sombreamento e cor.

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 às limitações do 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.

Exibindo uma Barra de Cores para um Gráfico Sombreado

Nesta etapa, você aprenderá como exibir uma barra de cores numérica correta para um gráfico sombreado.

import matplotlib.pyplot as plt
import numpy as np

from matplotlib.colors import LightSource, Normalize

def display_colorbar():
    """Display a correct numeric colorbar for a shaded plot."""
    y, x = np.mgrid[-4:2:200j, -4:2:200j]
    z = 10 * np.cos(x**2 + y**2)

    cmap = plt.cm.copper
    ls = LightSource(315, 45)
    rgb = ls.shade(z, cmap)

    fig, ax = plt.subplots()
    ax.imshow(rgb, interpolation='bilinear')

    ## Use a proxy artist for the colorbar...
    im = ax.imshow(z, cmap=cmap)
    im.remove()
    fig.colorbar(im, ax=ax)

    ax.set_title('Using a colorbar with a shaded plot', size='x-large')

Evitando Outliers em Gráficos Sombreados

Nesta etapa, você aprenderá como usar uma norma (norm) personalizada para controlar a faixa z exibida de um gráfico sombreado.

def avoid_outliers():
    """Use a custom norm to control the displayed z-range of a shaded plot."""
    y, x = np.mgrid[-4:2:200j, -4:2:200j]
    z = 10 * np.cos(x**2 + y**2)

    ## Add some outliers...
    z[100, 105] = 2000
    z[120, 110] = -9000

    ls = LightSource(315, 45)
    fig, (ax1, ax2) = plt.subplots(ncols=2, figsize=(8, 4.5))

    rgb = ls.shade(z, plt.cm.copper)
    ax1.imshow(rgb, interpolation='bilinear')
    ax1.set_title('Full range of data')

    rgb = ls.shade(z, plt.cm.copper, vmin=-10, vmax=10)
    ax2.imshow(rgb, interpolation='bilinear')
    ax2.set_title('Manually set range')

    fig.suptitle('Avoiding Outliers in Shaded Plots', size='x-large')

Exibindo Diferentes Variáveis Através de Sombra e Cor

Nesta etapa, você aprenderá como exibir diferentes variáveis através de sombra e cor.

def shade_other_data():
    """Demonstrates displaying different variables through shade and color."""
    y, x = np.mgrid[-4:2:200j, -4:2:200j]
    z1 = np.sin(x**2)  ## Data to hillshade
    z2 = np.cos(x**2 + y**2)  ## Data to color

    norm = Normalize(z2.min(), z2.max())
    cmap = plt.cm.RdBu

    ls = LightSource(315, 45)
    rgb = ls.shade_rgb(cmap(norm(z2)), z1)

    fig, ax = plt.subplots()
    ax.imshow(rgb, interpolation='bilinear')
    ax.set_title('Shade by one variable, color by another', size='x-large')

Resumo

Neste laboratório, você aprendeu como criar gráficos sombreados (shaded plots) em Matplotlib usando diferentes técnicas, incluindo a exibição de uma barra de cores (colorbar) para um gráfico sombreado, evitando outliers em um gráfico sombreado e exibindo diferentes variáveis através de sombra e cor. Essas técnicas podem ser úteis para visualizar e explorar dados em uma variedade de aplicações.