Computer >> कंप्यूटर >  >> प्रोग्रामिंग >> Python

Matplotlib प्लॉट में कंटूर हैचिंग

हैचिंग के साथ रूपरेखा तैयार करने के लिए, हम निम्नलिखित कदम उठा सकते हैं -

  • आकृति का आकार सेट करें और सबप्लॉट के बीच और आसपास पैडिंग समायोजित करें।
  • बनाएं x , y और z डेटा अंक numpy का उपयोग कर रहे हैं।
  • फ्लैट x और y डेटा बिंदु।
  • एक आकृति और सबप्लॉट का एक सेट बनाएं।
  • विभिन्न हैच के साथ एक समोच्च प्लॉट करें।
  • स्केलर मैप करने योग्य उदाहरण के लिए एक कलरबार बनाएं।
  • आंकड़ा प्रदर्शित करने के लिए, दिखाएं () . का उपयोग करें विधि।

उदाहरण

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True

x = np.linspace(-3, 5, 150).reshape(1, -1)
y = np.linspace(-3, 5, 120).reshape(-1, 1)
z = np.cos(x) + np.sin(y)

x, y = x.flatten(), y.flatten()

fig1, ax1 = plt.subplots()

cs = ax1.contourf(x, y, z, hatches=['-', '/', '\\', '//'],
                  cmap='gray', extend='both', alpha=0.5)
fig1.colorbar(cs)

plt.show()

आउटपुट

Matplotlib प्लॉट में कंटूर हैचिंग


  1. Matplotlib समोच्च साजिश के लिए अक्ष रेखाएं या मूल बनाएं।

    मैटलपोटलिब कंटूर प्लॉट के लिए अक्ष रेखाएं या मूल खींचने के लिए, हम उपयोग कर सकते हैंcontourf() , axhline() y=0 और axvline() x=0. numpy का उपयोग करके x, y, और z के लिए डेटा बिंदु बनाएं। अक्ष गुण सेट करने के लिए, हम plt.axis(off) . का उपयोग कर सकते हैं विधि। कॉन्टूरफ () . का प्रयोग करें x,

  1. Matplotlib में एक लाइन प्लॉट को कैसे चेतन करें?

    Matplotlib में लाइन प्लॉट को चेतन करने के लिए, हम निम्नलिखित कदम उठा सकते हैं - सबप्लॉट्स () . का उपयोग करके एक फिगर और सबप्लॉट का एक सेट बनाएं विधि। x और y अक्ष पैमाने को सीमित करें। numpy का उपयोग करके x और t डेटा बिंदु बनाएं। निर्देशांक सदिशों, X2 और T2 से निर्देशांक मैट्रिक्स लौटाएं।

  1. पायथन का उपयोग करके 3 आयामी समोच्च साजिश बनाने के लिए Matplotlib का उपयोग कैसे किया जा सकता है?

    Matplotlib एक लोकप्रिय पायथन पैकेज है जिसका उपयोग डेटा विज़ुअलाइज़ेशन के लिए किया जाता है। डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह यह समझने में मदद करता है कि वास्तव में संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या चल रहा है। यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभ