programming python

Làm thế nào để bạn hình dung một mảng trong python?

Hình ảnh hóa dữ liệu cải thiện hiểu biết chung về dữ liệu và giúp ghi nhớ vì con người có xu hướng ghi nhớ hình ảnh nhiều hơn văn bản. Trực quan hóa dữ liệu là rất quan trọng vì chúng tôi có sẵn rất nhiều dữ liệu và chúng tôi cần một định dạng có cấu trúc tốt để hiểu dữ liệu đó. Hoạt động này là một phần trong thói quen hàng ngày của mọi nhà khoa học dữ liệu và những người đam mê máy học. Họ phải trực quan hóa dữ liệu để hiểu dữ liệu tốt hơn và xây dựng các mô hình học máy tốt và hiệu quả

Thông thường, dữ liệu được biểu diễn dưới dạng mảng và chúng ta rơi vào tình huống phải vẽ đồ thị. Bài viết này nói về cách chúng ta có thể vẽ dữ liệu như vậy bằng Python

Trước khi tiến hành code, chúng ta phải hiểu một điều. Mảng có thể là

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

1, có nghĩa là chúng ta có thể có mảng bên trong mảng [

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

2] hoặc mảng bên trong mảng có mảng bên trong chúng [mảng 3D], v.v. Và khi số lượng kích thước tăng lên, độ phức tạp của việc vẽ các mảng tăng lên. Trong những trường hợp như vậy, các mảng phải được chuyển đổi sang định dạng khác phù hợp để vẽ hoặc vẽ một số loại biểu đồ khác giúp hiển thị tốt hơn. Bài viết này sẽ nói về vẽ đồ thị mảng 1D và 2D

Chúng tôi sẽ sử dụng

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

3, một thư viện toàn diện dựa trên python cho mục đích trực quan hóa và

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

4 để vẽ mảng

Để vẽ mảng 1 chiều, tham khảo đoạn mã sau

import numpy as np
import matplotlib.pyplot as plt
 
x = np.array[range[0, 10]]
y = np.array[[100, 23, 44, 12, 55, 85, 69, 33, 75, 2]]
plt.title["Plotting 1-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]
plt.plot[x, y, color = "red", marker = "o", label = "Array elements"]
plt.legend[]
plt.show[]

Biến

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

5 giữ mảng

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

7. Chúng tôi lặp lại từng mảng của mảng

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

7, vẽ nó bằng một số màu ngẫu nhiên và một nhãn duy nhất. Sau khi vẽ xong, chúng tôi định vị lại hộp chú thích và hiển thị cốt truyện

Trong hướng dẫn Python Matplotlib này, chúng ta sẽ thảo luận về Matplotlib vẽ mảng numpy trong matplotlib. Ở đây chúng tôi sẽ đề cập đến các ví dụ khác nhau liên quan đến mảng numpy cốt truyện bằng cách sử dụng matplotlib. Và chúng tôi cũng sẽ đề cập đến các chủ đề sau

Matplotlib vẽ mảng numpy
Matplotlib vẽ mảng numpy dưới dạng dòng
Mảng numpy biểu đồ phân tán Matplotlib
Matplotlib vẽ nhiều dòng từ mảng numpy
Python vẽ mảng numpy dưới dạng bản đồ nhiệt
Matplotlib vẽ mảng numpy như hình ảnh
Matplotlib lưu cốt truyện vào mảng numpy
Biểu đồ Matplotlib mảng numpy 2d
Biểu đồ Matplotlib mảng numpy 3d
Matplotlib âm mưu ma trận numpy
Matplotlib vẽ các cột mảng có nhiều mảng

Mục lục

Matplotlib vẽ mảng numpy

Trong Python, matplotlib là một thư viện vẽ đồ thị. Chúng ta cũng có thể sử dụng nó cùng với thư viện NumPy của Python. NumPy là viết tắt của Numerical Python và nó được sử dụng để làm việc với mảng

Sau đây là các bước được sử dụng để vẽ mảng numpy

Xác định thư viện. Nhập các thư viện cần thiết như matplotlib. pyplot để trực quan hóa dữ liệu và numpy để tạo mảng có nhiều mảng
Xác định dữ liệu. Xác định tọa độ dữ liệu trục x và trục y được sử dụng để vẽ biểu đồ
Vẽ biểu đồ. Bằng cách sử dụng các phương thức plot[],scatter[] của thư viện matplotlib chúng ta có thể vẽ biểu đồ
Hình dung một âm mưu. Bằng cách sử dụng phương thức show[], người dùng có thể tạo một biểu đồ trên màn hình của họ

Hãy xem một ví dụ

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Cooedinates

x = np.arange[5, 10] 
y = np.arange[12, 17]

# PLot

plt.plot[x,y] 

# Add Title

plt.title["Matplotlib PLot NumPy Array"] 

# Add Axes Labels

plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Giải trình

Nhập các thư viện cần thiết như matplotlib. pyplot và numpy
Sau này, chúng tôi xác định tọa độ dữ liệu bằng np. chức năng arange[] của numpy
Để vẽ biểu đồ, hãy sử dụng hàm plot[] của matplotlib
Sau đó, chúng tôi thêm tiêu đề và nhãn ở các trục của ô, sử dụng phương thức title[], xlabel[] và ylabel[]

đầu ra

np. sắp xếp[]

Cũng kiểm tra. Matplotlib set_xticks

Matplotlib vẽ mảng numpy dưới dạng dòng

Chúng ta sẽ học cách tạo biểu đồ đường bằng hàm numpy. Đối với điều này, chúng tôi sử dụng np. hàm arange[] trả về các giá trị cách đều nhau từ khoảng

Hãy xem một ví dụ

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Trong ví dụ này, để xác định tọa độ dữ liệu, chúng ta sử dụng phương thức arange[] và array[] của numpy
Để vẽ biểu đồ đường, sử dụng phương thức plot[] và chúng ta cũng truyền tham số linestyle cho phương thức để thay đổi kiểu của đường
Để thêm tiêu đề cho cốt truyện, hãy sử dụng hàm title[]
Để thêm nhãn ở trục x và y của đồ thị, hãy sử dụng phương thức xlabel[] và ylabel[]

plt. cốt truyện [linestyle='–']

Đọc. Matplotlib set_xticklabels

Mảng numpy biểu đồ phân tán Matplotlib

Chúng ta sẽ học cách tạo biểu đồ phân tán bằng hàm numpy

Hãy xem một ví dụ

# Import Library


import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates


x = np.arange[2, 8] 
y = x * 2 + 6

# Plot

plt.scatter[x, y] 

# Add Title

plt.title["Matplotlib Scatter Plot NumPy Array"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Trong ví dụ trên, chúng ta tạo một ndarray trên trục x bằng lệnh np. arange[] và trên trục y, chúng ta tạo một ndarray bằng phương trình
Để vẽ biểu đồ phân tán, hãy sử dụng phương thức phân tán []

plt. tiêu tan[]

Đọc. Matplotlib fill_between

Matplotlib vẽ nhiều dòng từ mảng numpy

Chúng ta sẽ học cách vẽ nhiều dòng từ một mảng có nhiều mảng

Ví dụ

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y1 = x * 3
y2 = np.array[[5, 2.6, 4, 15, 20, 6]]

# PLot

plt.plot[x, y1] 
plt.plot[x, y2]

# Add Title

plt.title["Matplotlib Multiple Line Plot From NumPy Array"] 

# Add Axes Labels

plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

đầu ra

nhiều dòng

Trong ví dụ trên, chúng tôi xác định tọa độ dữ liệu x, y1 và y2
Sau đó, chúng tôi vẽ đồ thị giữa [x, y1] và [x, y2] bằng cách sử dụng phương thức plot[] của matplotlib

Đọc. Matplotlib set_yticklabels

Python vẽ mảng numpy dưới dạng bản đồ nhiệt

Bản đồ nhiệt là một kỹ thuật đồ họa trực quan hóa dữ liệu, trong đó chúng tôi biểu thị dữ liệu bằng cách sử dụng màu sắc để trực quan hóa giá trị của ma trận. Heatmap còn được gọi là ma trận bóng

Có nhiều cách khác nhau để vẽ Sơ đồ nhiệt dưới dạng một mảng có nhiều mảng

Sử dụng hàm matplotlib imshow[]
Sử dụng hàm matplotlib pcolormesh[]
Sử dụng hàm seaborn heatmap[]

Sử dụng hàm matplotlib imshow[]

Hàm imshow[] của matplotlib dùng để hiển thị dữ liệu dưới dạng ảnh

Sau đây là cú pháp

matplotlib.pyplot.imshow[X, cmap=None, norm=None, aspect=None,
                         interpolation=None, alpha=None,  
                         vmin=None, vmax=None, origin=None, 
                         extent=None, shape=, filternorm=1, 
                         filterrad=4.0, imlim=, resample=None,
                         url=None, \* , data=None, \*\*kwargs]

Ví dụ

________số 8

Ở đây chúng ta sử dụng phương thức arange[] của numpy để xác định tọa độ dữ liệu
Sau đó, chúng tôi sử dụng hàm imshow[] để vẽ sơ đồ nhiệt. Chúng tôi truyền tham số x để biểu thị dữ liệu của hình ảnh, tham số cmap là thể hiện của colormap và tham số nội suy được sử dụng để hiển thị hình ảnh

plt. imshow[]

Sử dụng hàm matplotlib pcolormesh[]

Hàm pcolormesh[] được sử dụng để tạo biểu đồ giả màu với lưới hình chữ nhật không đều

Sau đây là cú pháp

matplotlib.pyplot.pcolormesh[*args, alpha=None, norm=None,
                             cmap=None, vmin=None, vmax=None,
                             shading='flat', antialiased=False,
                             data=None, **kwargs]

Ví dụ

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

plt. pcolormesh[]

Sử dụng hàm seaborn heatmap[]

Hàm heatmap[] được sử dụng để vẽ dữ liệu hình chữ nhật dưới dạng ma trận màu

Sau đây là cú pháp

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

Ví dụ

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pyplot import figure

figure[figsize = [8, 6]]
x = np.array[range[0, 10]]
y = np.array[[
    [32, 69, 92, 81, 27, 97, 64, 98, 26, 22],
    [85, 76, 63, 44, 94, 52, 71, 66, 2, 62],
    [45, 80, 46, 24, 10, 74, 10, 33, 12, 60],
    [73, 94, 21, 6, 93, 74, 36, 47, 16, 99],
    [96, 84, 66, 12, 43, 58, 17, 16, 28, 6],
    [83, 4, 56, 94, 97, 36, 94, 41, 74, 14],
    [90, 13, 11, 71, 79, 49, 9, 69, 73, 61],
    [94, 52, 28, 18, 14, 15, 91, 95, 16, 42],
    [73, 35, 40, 25, 46, 25, 33, 1, 99, 30],
    [61, 7, 89, 33, 94, 64, 1, 60, 41, 81]
]]
plt.title["Plotting a2-D array"]
plt.xlabel["X axis"]
plt.ylabel["Y axis"]

for i, array in enumerate[y]:
    plt.plot[x, array, color = np.random.rand[3, ], marker = "o", label = f"Array #{i}"]
    
plt.legend[loc = "center left", bbox_to_anchor=[1, 0.5]]
plt.show[]

Trong ví dụ trên, chúng tôi nhập numpy, matplotlib. pyplot và thư viện seaborn
Sau này, chúng tôi xác định tọa độ dữ liệu bằng cách sử dụng phương thức arange[] của numpy và định hình lại nó bằng cách sử dụng phương thức reshape[]
Sau đó, chúng tôi sử dụng chức năng heatmap[] của seaborn
Để thêm tiêu đề cho cốt truyện, hãy sử dụng hàm title[]

sns. bản đồ nhiệt[]

Đọc. Matplotlib chặt chẽ_layout

Matplotlib vẽ mảng numpy như hình ảnh

Chúng ta sẽ học cách vẽ mảng numpy dưới dạng hình ảnh. Chúng tôi sử dụng matplotlib. pyplot. hàm imshow[] để chuyển đổi một mảng có nhiều mảng thành một hình ảnh

Hãy xem một ví dụ

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Trong ví dụ trên, chúng tôi nhập matplotlib. thư viện pyplot và numpy
Tiếp theo, chúng tôi xác định một mảng mã màu RGB
Sau đó, chúng tôi sử dụng hàm imshow[] để lưu mảng dưới dạng hình ảnh

plt. imshow[]

Đọc. Python Matplotlib tick_params

Matplotlib lưu cốt truyện vào mảng numpy

Chúng ta sẽ học cách vẽ các mảng có nhiều mảng. Để lưu một biểu đồ, hãy sử dụng hàm savefig[] của mô-đun pyplot matplotlib

Hãy xem một ví dụ

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Ở đây chúng tôi xác định tọa độ dữ liệu bằng cách sử dụng phương thức array[] của numpy và để vẽ dữ liệu, chúng tôi sử dụng phương thức plot[]
Để lưu cốt truyện dưới dạng hình ảnh png, chúng tôi sử dụng phương thức savefig[]

savefig[]

Đọc. Nhãn trục x Matplotlib

Biểu đồ Matplotlib mảng numpy 2d

Chúng ta sẽ học cách vẽ mảng 2d numpy bằng cách sử dụng phương thức plot[] của mô-đun pyplot của matplotlib

Ví dụ

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Ở đây chúng tôi tạo mảng 2d để xác định tọa độ dữ liệu x và y
Để vẽ mảng 2D numpy, hãy sử dụng phương thức plot[]

Mảng 2D NumPy

Đọc. Biểu đồ nhiều thanh Matplotlib

Biểu đồ Matplotlib mảng numpy 3d

Chúng ta sẽ học cách vẽ mảng 3d có nhiều mảng bằng cách sử dụng phương thức phân tán của mô-đun trục của matplotlib. Chúng tôi cũng sử dụng phép chiếu 3d để tạo cốt truyện 3d

Ví dụ

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Sau đây là các bước để tạo biểu đồ 3D từ mảng 3D numpy

Nhập thư viện trước, chẳng hạn như numpy và matplotlib. pyplot
Tạo mới bằng phương thức figure[]
Thêm một trục vào hình bằng phương thức add_subplot[]
Tạo một mảng 3D có nhiều mảng bằng cách sử dụng phương thức array[] của numpy
Vẽ sơ đồ 3D bằng phương pháp phân tán []
Để hiển thị biểu đồ, sử dụng phương thức show[]

Mảng 3D NumPy

Đọc. Truyền thuyết cốt truyện phân tán Matplotlib

Matplotlib âm mưu ma trận numpy

Chúng ta sẽ học cách vẽ một ma trận numpy. Ma trận Numpy hoàn toàn là 2 chiều. Để hiển thị một mảng dưới dạng ma trận, chúng ta sử dụng phương thức matshow[] của mô-đun pyplot của matplotlib

Ví dụ 1

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Đầu tiên, chúng tôi nhập matplotlib. thư viện pyplot và numpy
Tiếp theo, chúng tôi tạo một hàm để tạo ma trận bằng 0 và giảm các phần tử đường chéo của nó
Sau đó, chúng tôi sử dụng phương thức matshow[] để hiển thị một mảng dưới dạng ma trận

plt. matshow[]

Ví dụ #2

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Ở đây chúng tôi sử dụng hàm mat[] để diễn giải đầu vào đã cho dưới dạng ma trận
Ta cũng thực hiện phép toán cộng hai ma trận
Sau đó, chúng tôi sử dụng phương thức plot[] để tạo biểu đồ

np. chiếu[]

Đọc. Phân tán 3D Matplotlib

Matplotlib vẽ các cột mảng có nhiều mảng

Chúng ta sẽ học cách tìm nạp các cột từ mảng có nhiều mảng và vẽ đồ thị bằng cách sử dụng phương thức plot[] của mô-đun pyplot của matplotlib

Ví dụ 1

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Ở đây chúng tôi tạo một mảng có nhiều mảng bằng cách sử dụng phương thức mảng của numpy
Sau đó, chúng tôi tìm nạp hai cột đầu tiên từ mảng
Để vẽ đồ thị, chúng ta sử dụng phương thức plot[]

plt. mảnh đất[]

Ví dụ #2

# Import Library

import numpy as np 
import matplotlib.pyplot as plt

# Data Coordinates

x = np.arange[2, 8] 
y = np.array[[5, 8, 6, 20, 18, 30]]

# PLot

plt.plot[x, y, linestyle='--'] 

# Add Title

plt.title["Matplotlib Plot NumPy Array As Line"] 

# Add Axes Labels


plt.xlabel["x axis"] 
plt.ylabel["y axis"] 

# Display

plt.show[]

Ở đây chúng ta tạo một mảng sử dụng phương thức array[] của numpy
Sau đó, chúng ta tìm độ dài của mảng bằng phương thức len[]
Sau đó, chúng ta in và vẽ ba cột cuối cùng của mảng bằng phương thức plot[]

matplotlib vẽ mảng numpy với các cột

Bạn cũng có thể muốn đọc các hướng dẫn sau trên Matplotlib

Biểu đồ thanh xếp chồng lên nhau Matplotlib
Màu biểu đồ phân tán Matplotlib
Biểu đồ cập nhật Matplotlib trong vòng lặp
Matplotlib hai trục y
Vẽ đường thẳng đứng matplotlib
Kích thước phông chữ tiêu đề Matplotlib

Vì vậy, trong hướng dẫn Python này, chúng ta đã thảo luận về "Mảng có nhiều ô ở biểu đồ Matplotlib" và chúng ta cũng đã đề cập đến một số ví dụ liên quan đến mảng này. Đây là những chủ đề sau mà chúng ta đã thảo luận trong hướng dẫn này

Matplotlib vẽ mảng numpy
Matplotlib vẽ mảng numpy dưới dạng dòng
Mảng numpy biểu đồ phân tán Matplotlib
Matplotlib vẽ nhiều dòng từ mảng numpy
Python vẽ mảng numpy dưới dạng bản đồ nhiệt
Matplotlib vẽ mảng numpy như hình ảnh
Matplotlib lưu cốt truyện vào mảng numpy
Biểu đồ Matplotlib mảng numpy 2d
Biểu đồ Matplotlib mảng numpy 3d
Matplotlib âm mưu ma trận numpy
Matplotlib vẽ các cột mảng có nhiều mảng

Bijay Kumar

Python là một trong những ngôn ngữ phổ biến nhất ở Hoa Kỳ. Tôi đã làm việc với Python trong một thời gian dài và tôi có kinh nghiệm làm việc với nhiều thư viện khác nhau trên Tkinter, Pandas, NumPy, Turtle, Django, Matplotlib, Tensorflow, Scipy, Scikit-Learn, v.v… Tôi có kinh nghiệm làm việc với nhiều khách hàng khác nhau . Kiểm tra hồ sơ của tôi

Matplotlib vẽ mảng numpy

Matplotlib vẽ mảng numpy dưới dạng dòng

Mảng numpy biểu đồ phân tán Matplotlib

Matplotlib vẽ nhiều dòng từ mảng numpy

Python vẽ mảng numpy dưới dạng bản đồ nhiệt

Sử dụng hàm matplotlib imshow[]

Sử dụng hàm matplotlib pcolormesh[]

Sử dụng hàm seaborn heatmap[]

Matplotlib vẽ mảng numpy như hình ảnh

Matplotlib lưu cốt truyện vào mảng numpy

Biểu đồ Matplotlib mảng numpy 2d

Biểu đồ Matplotlib mảng numpy 3d

Matplotlib âm mưu ma trận numpy

Matplotlib vẽ các cột mảng có nhiều mảng

Bài Viết Liên Quan

Toplist mới

Bài mới nhất

Chủ Đề