Matplotlib Colorbar
Są one wykreślane na osobnej osi w matplotlib. Postać.KolorBar lub jego Pyplot pokrywającą Pyplot.Colorbar, który używa wewnętrznego Make_axes i Colorbar, jest powszechnie używany do produkcji kolorów kolorów. Nie będziesz musiał ręcznie wywoływać podejść ani inicjować modułów w tym segmencie jako użytkownik końcowy.
Matplotlib to liczbowo-matematyczna ekspansja dla biblioteki Numpy w Python. Artysta najwyższego poziomu, figura, jest dostarczany przez moduł figurki i zawiera wszystkie elementy fabularne. Domyślne odstępy podrzędne i górne elementy wykresu są kontrolowane przez ten moduł.
W tym artykule zbadamy metody obsługi techniki MATPlotlib Colorbar i tego, jak może nam pomóc w uzyskaniu pożądanych wyników. Zacznijmy artykuł z łatwą ilustracją, a dalej omówimy kilka bardziej złożonych.
Dodaj pionowy pasek kolorów do wykresu rozrzutu
Normalny wykres prawdopodobieństwa strony internetowej eCommerce pokazano poniżej. Wyświetla odsetek widzów vs. suma transakcji. W tym przypadku stosunek tutaj jest pokazany przez pasek kolorów. Widzieliśmy na pasku kolorów, wskazując, że liczba osób jest mniejsza w niektórych dniach, transakcje były więcej.
Maksymalne współczynniki konwersji są oznaczone przez żółte kropki. Moglibyśmy uzyskać prostą ilustrację pionowego paska kolorów na poniższym obrazku.
Teraz przyjrzymy się kodzie programu. Praceliśmy z programem, importując bibliotekę Python Matplotlib. Następnie dla kierunków poziomych i pionowych zapewniliśmy różne współrzędne.
Następnie zdefiniowaliśmy współczynnik konwersji. Potem tak to zmapowaliśmy. Używamy terminu CMAP, który odnosi się do Colormap. Kolor związany z określonym warunkiem jest tworzony przez CMAP.
importować matplotlib.Pyplot as PltImportuj Numpy jako Num
NUMOFVISIT = [3110, 920, 874, 3406, 4178, 2024, 4985]
Sprzedaż = [350, 93, 68, 292, 439, 350, 180]
Konwersja = [.05,.09,.02,1.1,2.9,.37,.68]
plt.rozproszenie (x = numofvisit, y = sprzedaż, c = konwersja, cmap = „sprężyna”)
cbar = plt.colorbar (etykieta = „konwersja”, orientacja = „horyzontal”, Shrink =.55)
CBAR.set_ticks ([2.14,.80, 0.35, 2.32, 1.8,1.0])
CBAR.set_tickLabels ([„x”, „x”, „y”, „z”, „k”, „l”])
plt.pokazywać()
Używamy komponentu tytułu etykiety Colorbar, który wskazuje, co symbolizuje lub jak należy ją ustawić. Tutaj Colorbar ma tytuł „Konwersja” ze względu na znacznik etykiet. Wykorzystaliśmy funkcję „kurczenia się”, aby dostosować rozmiar danego paska kolorów. Zastosowane są również znaki na kolorze. Wykorzystaliśmy metody „Set Ticks” i „Set TickLabels”, aby to osiągnąć.
Tagi to fraza, która pokazuje wzdłuż wymiaru wykresu. Możemy jednak łatwo zmienić i modyfikować te wykresy, aby spełnić nasze wymagania. Możemy również dostosować rozmiar, kolor i styl czcionki.
Dodaj pojedynczy pasek kolorów do wielu wątków
Pierwsza metoda jest podobna do tradycyjnego wykresu, która polega na najpierw tworzeniu głównego wykresu, a następnie dodaniu paska kolorów. W matplotlib istnieją dwa sposoby dodania paska kolorów: jawny i domyślny. Celem jest ręczna zmiana bieżących osi w określonej technice, aby zrobić miejsce na dodatkowy pasek kolorów. Następnie, w miejscu, w szczególności, dodaj oś.
importować matplotlib.Pyplot as Pltimportować Numpy jako NP
Ryc, osie = plt.wątki (nrows = 3, NCOLS = 4, rysunek = (9.5, 6))
Dla topora w osiach.płaski:
topór.set_axis_off ()
im = ax.Imshow (np.losowy.Random ((14, 14)), cmap = „Spring”,
vmin = 0, vmax = 1)
Figa.podwplots_adjust (dolny = 0.2, top = 1.5, po lewej = 0.1, prawo = 0.8,
WSPACE = 0.04, Hspace = 0.04)
CB_AX = Rys.add_axes ([0.9, 0.2, 0.04, 1.0])
CBAR = ryc.colorbar (IM, cax = cb_ax)
CBAR.set_ticks (np.Arange (1, 1.2, 1.6))
plt.pokazywać()
Jak moglibyśmy dokładnie zmodyfikować lokalizację zdefiniowanego paska kolorów. Obraz wyjściowy wygląda tak:
Użycie rysunku.Funkcja Colorbar
Z drugiej strony Matplotlib zawiera niejawną funkcję wymiany oryginalnych osi i przydzielania zakwaterowania dla paska kolorów. Kolejny przypadek pomoże nam zrozumieć tę koncepcję.
importować matplotlib.Pyplot as Pltimportować Numpy jako NP
Ryc, osie = plt.wątki (nrows = 3, NCOLS = 4, rysunek = (9.5, 6))
Dla topora w osiach.płaski:
topór.set_axis_off ()
im = ax.Imshow (np.losowy.Random ((14, 14)), cmap = „Spring”,
vmin = 0, vmax = 1)
CBAR = ryc.Colorbar (IM, ax = osie.gmatwać().tolist (), kurczenie się = 0.89)
CBAR.set_ticks (np.Arange (1.2, 1.6))
plt.pokazywać()
Aby utworzyć wykres z różnym paskiem kolorystycznym, który wydają się identyczna, ręcznie dostosuj paramę skurczową figu.Funkcja Colorbar. Zauważ, że zamiast używać paramentu CAX jak w poprzednim przykładzie, używamy paramentu AX na rysunku.Funkcja Colorbar.
Kolorbar dla wielu działek
Możemy otrzymać ilustrację paska kolorów z kilkoma wykresami tutaj. Potrzebujemy biblioteki Numpy, a także Matplotlib, aby ją uruchomić. Chcielibyśmy mieć tutaj cztery osobne wątki wątki. Podobnie, jeśli chcemy zrobić sześć działek, moglibyśmy wykorzystać 2, 3 i 3, 2.
Następnie wykorzystaliśmy metodę IMShow Matplotlib. IMSHOW to technika, która umożliwia użytkownikom dostęp do dwuwymiarowej grafiki jako wyjścia.
Losowa funkcja Numpy jest zawarta w funkcji IMSHOW. Daje liczne wartości zmiennoprzecinkowe między różnymi otwartymi przedziałami [2, 1.5]. Używamy go w „pętli”, aby wykonać go kilka razy.
VMIN i Vmax są wykorzystywane do określenia widma „paska kolorów.„Możemy to zmienić, aby spełnić nasze wymagania. Wskazuje to częstotliwość koloru. Następnie zaimplementowano funkcje kolorystyczne i wyświetlania.
Wniosek
Kolor Matplotlib został wyjaśniony w tym artykule. Poza tym zbadaliśmy strukturę i argumenty. Zbadaliśmy kilka przypadków, aby pomóc nam zrozumieć kolor MATPlotlib. Dla każdego przykładu zmieniliśmy składnię i przeanalizowaliśmy dane wyjściowe. Ponadto możemy ustalić, że metoda MATPlotlib Colorbar jest wykorzystywana do tworzenia pasków kolorów, które są graficzną ilustracją danych wielowymiarowych. Kolorbar reprezentuje mapowanie atrybutów numerycznych na kolory w matplotlib. Umożliwia to wyświetlanie danych w taki sposób, który jest dostępny dla szerokiej gamy użytkowników.