Заштрихованные графики в Matplotlib | Визуализация данных | Программирование на Python

Введение

В этом практическом занятии вы изучите процесс создания заштрихованных графиков в Matplotlib с использованием различных методов. Также вы научитесь отображать цветовую шкалу для заштрихованного графика, избегать выбросов в заштрихованном графике и отображать разные переменные с помощью заштриховки и цвета.

Советы по работе с ВМ

После запуска виртуальной машины кликните в левом верхнем углу, чтобы переключиться на вкладку Ноутбук и приступить к практике в Jupyter Notebook.

Иногда может потребоваться подождать несколько секунд, пока Jupyter Notebook полностью загрузится. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.

Если вы столкнетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.

Отображение цветовой шкалы для заштрихованного графика

В этом шаге вы научитесь отображать правильную числовую цветовую шкалу для заштрихованного графика.

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')

Исключение выбросов из заштрихованных графиков

В этом шаге вы научитесь использовать пользовательскую нормализацию для управления диапазоном отображаемых значений z в заштрихованном графике.

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')

Отображение различных переменных с помощью заштриховки и цвета

В этом шаге вы научитесь отображать разные переменные с помощью заштриховки и цвета.

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')

Резюме

В этом практическом занятии вы узнали, как создавать заштрихованные графики в Matplotlib с использованием различных методов, включая отображение цветовой шкалы для заштрихованного графика, исключение выбросов из заштрихованного графика и отображение различных переменных с помощью заштриховки и цвета. Эти методы могут быть полезны для визуализации и исследования данных в различных приложениях.

Визуализация заштрихованных графиков в Matplotlib