最新Python-Matplotlib可视化（9）——精通更多实用图形的绘制，2024年最新小米面试题库

本文链接：https://blog.youkuaiyun.com/m0_60721649/article/details/138850272

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

在这里插入图片描述

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

n = 512

max_iter = 64

xmin, xmax, ymin, ymax = -2.2, .8, -1.5, 1.5

x = np.linspace(xmin, xmax, n)

y = np.linspace(ymin, ymax, n)

z = np.empty((n, n))

for i, y_i in enumerate(y):

for j, x_j in enumerate(x):

z[i, j] = iter_count(complex(x_j, y_i), max_iter)

plt.imshow(z, cmap = cm.Spectral)

plt.show()

可视化二维数组的内容

Tips：imshow()接受一个2D数组作为参数置，用于渲染图片，其中每个像素代表一个从2D数组中提取的值。像素的颜色从colormap中选取。2D数组中的数据也可以是自文件或其他源，例如我们完全可以将读取的图片绘制在图形中。

import matplotlib.cm as cm

from matplotlib import pyplot as plt

读取图片

img = plt.imread(‘img.png’)

绘制图片

plt.imshow(img)

plt.show()

图片的读取与绘制我们也可以使用不同的颜色映射观察效果，只需要修改plt.imshow()可选参数cmap的值即可.

plt.imshow(z, cmap = cm.binary, extent=(xmin, xmax, ymin, ymax))

修改颜色映射 Tips：plt.imshow()的可选参数extent指定存储在二维数组中的数据的坐标系——由四个值组成的元组，分别表示水平轴和垂直轴上的最小、最大范围。

接下来，将数组的尺寸由从512x512减少到32x32，看看效果如何：

n = 64

缩小尺寸 Tips：使用32x32的数组表示Mandelbrot集时，得到的图片的尺寸并没有缩小，但和512x512数组产生的图片仍有明显差别。这是由于，生成一张给定大小的图片，如果输入的数据小于或大于该图片尺寸，plt.imshow()将执行插值操作。默认的插值是线性插值，可以看出效果并不总是理想的。可以通过imshow()函数的可选参数interpolation指定要使用的插值类型。

使用双三次插值算法(interpolation = ‘bicubic’)查看效果：

双三次插值算法

为图形添加色彩映射图例

使用色彩映射可以绘制可读性和视觉性都较好的图形，当使用色彩映射时，我们就可以大致知道相应颜色对应的值。

import numpy as np

import matplotlib.cm as cm

from matplotlib import pyplot as plt

def iter_count(c, max_iter):

x = c

for n in range(max_iter):

if abs(x) > 2.:

return n

x = x ** 2 + c

return max_iter

n = 512

max_iter = 64

xmin, xmax, ymin, ymax = -2.2, .8, -1.5, 1.5

x = np.linspace(xmin, xmax, n)

y = np.linspace(ymin, ymax, n)

z = np.empty((n, n))

for i, y_i in enumerate(y):

for j, x_j in enumerate(x):

z[i, j] = iter_count(complex(x_j, y_i), max_iter)

plt.imshow(z, cmap = cm.Spectral, interpolation=‘bicubic’)

cb = plt.colorbar(orientation=‘horizontal’, shrink=.75)

cb.set_label(‘colormaping’)

plt.show()

为图形添加色彩映射图例

Tips：plt.colorbar()函数向Matplotlib发出信号显示一个colorbar。其中：可选参数orientation用于选择颜色栏是垂直还是水平，默认情况下，它是垂直的；shrink参数用于缩放颜色栏。调用plt.colorbar()函数将生成一个Colorbar实例，调用该Colorbar实例的set_label()方法，可以为颜色栏设置标题。

二维标量场的可视化

可以使用numpy.meshgrid() 函数从2D函数中生成样本。然后，使用plt.pcolormesh()显示此函数图形：

import numpy as np

import matplotlib.cm as cm

from matplotlib import pyplot as plt

n = 256

x = np.linspace(-3., 3., n)

y = np.linspace(-3., 3., n)

x_list, y_list = np.meshgrid(x, y)

z_list = x_list * np.cos(x_list ** 2 + y_list ** 2)

plt.pcolormesh(x_list, y_list, z_list, cmap = cm.Spectral)

cb = plt.colorbar(orientation=‘horizontal’, shrink=.75)