Matplotlib är ett bibliotek i Python och det är numeriskt – matematiskt tillägg för NumPy-biblioteket. Pyplot är ett tillståndsbaserat gränssnitt till en Matplotlib modul som ger ett MATLAB-liknande gränssnitt.
matplotlib.pyplot.imshow() Funktion:
De imshow() funktion i pyplot-modulen i matplotlib används biblioteket för att visa data som en bild; dvs på ett vanligt 2D-raster.
Syntax: matplotlib.pyplot.imshow(X, cmap=Ingen, norm=Ingen, aspekt=Ingen, interpolation=Ingen, alpha=Ingen, vmin=Ingen, vmax=Ingen, ursprung=Ingen, utsträckning=Ingen, form=, filternorm=1 , filterrad=4.0, imlim=, resample=Ingen, url=Ingen, *, data=Ingen, **kwargs)
Parametrar: Denna metod accepterar följande parametrar som beskrivs nedan:
X: Denna parameter är bildens data. cmap : Den här parametern är en färgkartasinstans eller ett registrerat färgkartanamn. norm : Den här parametern är Normalize-instansen skalar datavärdena till det kanoniska färgkartans intervall [0, 1] för mappning till färgerna vmin, vmax : Dessa parameter är valfria till sin natur och de är färgfältsintervall. alpha : Denna parameter är en intensitet av färgen. aspekt : Den här parametern används för att styra bildförhållandet för axlarna. interpolation : Denna parameter är den interpolationsmetod som användes för att visa en bild. origin : Denna parameter används för att placera [0, 0] index för arrayen i det övre vänstra eller nedre vänstra hörnet av axlarna. resample : Denna parameter är metoden som används för att likna. utsträckning : Denna parameter är begränsningsrutan i datakoordinater. filternorm : Den här parametern används för filtret för storleksändring av bildstorlek. filterrad : Denna parameter är filterradien för filter som har en radieparameter. url : Denna parameter ställer in webbadressen för den skapade AxesImage.
Returnerar: Detta returnerar följande:
java indexofimage : Detta returnerar AxesImage
Nedan exempel illustrerar matplotlib.pyplot.imshow()-funktionen i matplotlib.pyplot:
romerska siffror 1 100
Exempel #1:
typskript för varje loop
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors>import> LogNorm> > dx, dy>=> 0.015>,>0.05> y, x>=> np.mgrid[>slice>(>->4>,>4> +> dy, dy),> >slice>(>->4>,>4> +> dx, dx)]> z>=> (>1> -> x>/> 3.> +> x>*>*> 5> +> y>*>*> 5>)>*> np.exp(>->x>*>*> 2> -> y>*>*> 2>)> z>=> z[:>->1>, :>->1>]> z_min, z_max>=> ->np.>abs>(z).>max>(), np.>abs>(z).>max>()> > c>=> plt.imshow(z, cmap>=>'Greens'>, vmin>=> z_min, vmax>=> z_max,> >extent>=>[x.>min>(), x.>max>(), y.>min>(), y.>max>()],> >interpolation>=>'nearest'>, origin>=>'lower'>)> plt.colorbar(c)> > plt.title(>'matplotlib.pyplot.imshow() function Example'>,> >fontweight>=>'bold'>)> plt.show()> |
>
>
Produktion:
Exempel #2:
typ i java
# Implementation of matplotlib function> import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib.colors>import> LogNorm> > dx, dy>=> 0.015>,>0.05> x>=> np.arange(>->4.0>,>4.0>, dx)> y>=> np.arange(>->4.0>,>4.0>, dy)> X, Y>=> np.meshgrid(x, y)> > extent>=> np.>min>(x), np.>max>(x), np.>min>(y), np.>max>(y)> > Z1>=> np.add.outer(>range>(>8>),>range>(>8>))>%> 2> plt.imshow(Z1, cmap>=>'binary_r'>, interpolation>=>'nearest'>,> >extent>=> extent, alpha>=> 1>)> > def> geeks(x, y):> >return> (>1> -> x>/> 2> +> x>*>*>5> +> y>*>*>6>)>*> np.exp(>->(x>*>*>2> +> y>*>*>2>))> > Z2>=> geeks(X, Y)> > plt.imshow(Z2, cmap>=>'Greens'>, alpha>=> 0.7>,> >interpolation>=>'bilinear'>, extent>=> extent)> > plt.title(>'matplotlib.pyplot.imshow() function Example'>,> >fontweight>=>'bold'>)> plt.show()> |
>
avinstallera angular cli
>
Produktion:
