Matplotlib 컬러맵 정규화: 비선형 데이터 시각화-파이썬 튜토리얼-php.cn

Matplotlib 컬러맵 정규화: 비선형 데이터 시각화

PHPz

풀어 주다： 2024-08-19 16:40:42

원래의

849명이 탐색했습니다.

소개

Matplotlib Colormap Normalization: Visualizing Nonlinear Data

데이터 시각화에서 컬러맵은 숫자 데이터를 색상으로 표현하는 데 사용됩니다. 그러나 때로는 데이터 분포가 비선형일 수 있어 데이터의 세부 사항을 식별하기 어려울 수 있습니다. 이러한 경우, 컬러맵 정규화를 사용하면 데이터를 더 정확하게 시각화할 수 있도록 비선형 방식으로 컬러맵을 데이터에 매핑할 수 있습니다. Matplotlib는 컬러맵을 정규화하는 데 사용할 수 있는 SymLogNorm 및 AsinhNorm을 포함한 여러 정규화 방법을 제공합니다. 이 실습에서는 SymLogNorm 및 AsinhNorm을 사용하여 컬러맵을 비선형 데이터에 매핑하는 방법을 보여줍니다.

VM 팁

VM 시작이 완료된 후 왼쪽 상단을 클릭하여 Notebook 탭으로 전환하여 Jupyter Notebook에 액세스하여 연습해 보세요.

경우에 따라 Jupyter Notebook 로드가 완료될 때까지 몇 초 정도 기다려야 할 수도 있습니다. Jupyter Notebook의 제한으로 인해 작업 검증을 자동화할 수 없습니다.

학습 중 문제가 발생하면 언제든지 래비에게 문의하세요. 세션 종료 후 피드백을 제공해 주시면 신속하게 문제를 해결해 드리겠습니다.

필수 라이브러리 가져오기

이 단계에서는 Matplotlib, NumPy, Matplotlib 색상을 포함하여 필요한 라이브러리를 가져옵니다.

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.colors as colors

로그인 후 복사

합성 데이터 생성

이 단계에서는 음수 고비 하나와 양수 고비 하나, 양수 고비 하나의 진폭이 음수 고비보다 8배 더 큰 두 개의 고비로 구성된 합성 데이터 세트를 생성합니다. 그런 다음 SymLogNorm을 적용하여 데이터를 시각화하겠습니다.

def rbf(x, y):
    return 1.0 / (1 + 5 * ((x ** 2) + (y ** 2)))

N = 200
gain = 8
X, Y = np.mgrid[-3:3:complex(0, N), -2:2:complex(0, N)]
Z1 = rbf(X + 0.5, Y + 0.5)
Z2 = rbf(X - 0.5, Y - 0.5)
Z = gain * Z1 - Z2

shadeopts = {'cmap': 'PRGn', 'shading': 'gouraud'}
colormap = 'PRGn'
lnrwidth = 0.5

로그인 후 복사

SymLogNorm 적용

이번 단계에서는 합성 데이터에 SymLogNorm을 적용하고 결과를 시각화하겠습니다.

fig, ax = plt.subplots(2, 1, sharex=True, sharey=True)

pcm = ax[0].pcolormesh(X, Y, Z,
                       norm=colors.SymLogNorm(linthresh=lnrwidth, linscale=1,
                                              vmin=-gain, vmax=gain, base=10),
                       **shadeopts)
fig.colorbar(pcm, ax=ax[0], extend='both')
ax[0].text(-2.5, 1.5, 'symlog')

pcm = ax[1].pcolormesh(X, Y, Z, vmin=-gain, vmax=gain,
                       **shadeopts)
fig.colorbar(pcm, ax=ax[1], extend='both')
ax[1].text(-2.5, 1.5, 'linear')

plt.show()

로그인 후 복사

AsinhNorm 적용

이번 단계에서는 합성 데이터에 AsinhNorm을 적용하고 결과를 시각화하겠습니다.

fig, ax = plt.subplots(2, 1, sharex=True, sharey=True)

pcm = ax[0].pcolormesh(X, Y, Z,
                       norm=colors.SymLogNorm(linthresh=lnrwidth, linscale=1,
                                              vmin=-gain, vmax=gain, base=10),
                       **shadeopts)
fig.colorbar(pcm, ax=ax[0], extend='both')
ax[0].text(-2.5, 1.5, 'symlog')

pcm = ax[1].pcolormesh(X, Y, Z,
                       norm=colors.AsinhNorm(linear_width=lnrwidth,
                                             vmin=-gain, vmax=gain),
                       **shadeopts)
fig.colorbar(pcm, ax=ax[1], extend='both')
ax[1].text(-2.5, 1.5, 'asinh')

plt.show()

로그인 후 복사