Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

Matplotlib का उपयोग करके np.array को pylab.imshow() के साथ कैसे डिस्प्ले करें?

np.array को imshow() के साथ डिस्प्ले करने के लिए निम्नलिखित चरणों का पालन करें:

चरण

  • फिगर का आकार सेट करें और सबप्लॉट्स के बीच पैडिंग एडजस्ट करें।
  • np.array का उपयोग करके 2D डेटा रास्टर बनाएं।
  • डेटा को इमेज के रूप में डिस्प्ले करें, यानी 2D रेगुलर रास्टर पर।
  • फिगर डिस्प्ले करने के लिए show() मेथड का उपयोग करें।

उदाहरण

import numpy as np
from matplotlib import pyplot as plt

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

data = np.array([[0.1, 0.7, 0.6, 0.3], [0.2, 0.6, 0.5, 0.2], [0.8, 0.3, 0.80, 0.01], [0.3, 0.4, 0.2, 0.1]])
plt.imshow(data, interpolation="nearest", cmap="RdYlGn_r")
plt.show()

आउटपुट

4x4 मैट्रिक्स डेटा RdYlGn_r कलरमैप (लाल-पीला-हरा) में हीटमैप के रूप में दिखाई देगा।

  1. मैटप्लॉटलिब के साथ एसिम्पटोट/डिस्कंटिन्यूइटी को कैसे हैंडल करें? मैटप्लॉटलिब के साथ एसिम्पटोट/डिस्कंटिन्यूइटी को कैसे हैंडल करें?

    मैटप्लॉटलिब के साथ एसिम्पटोट/डिस्कंटिन्यूइटी को हैंडल करने के लिए, हम निम्नलिखित चरण अपना सकते हैं: नम्पाई का उपयोग करके x और y डेटा पॉइंट्स बनाएं। एक्सिस प्लॉट को बंद करें। x और y डेटा पॉइंट्स के साथ लाइन प्लॉट करें। एक्सिस के पार एक क्षैतिज रेखा जोड़ें, x=0। एक्सिस के पार एक लंबवत रेखा जोड़ें, y

  1. पायथन में cv2 का उपयोग करके इमेज कैसे प्रदर्शित करें? पायथन में cv2 का उपयोग करके इमेज कैसे प्रदर्शित करें?

    पायथन cv2 में इमेज पढ़ने के लिए, हम निम्नलिखित चरण अपना सकते हैं: फ़ाइल से इमेज लोड करें। निर्दिष्ट विंडो में इमेज प्रदर्शित करें। दबाए गए कुंजी की प्रतीक्षा करें। सभी हाईजीयूआई विंडोज़ को नष्ट करें। उदाहरण import cv2 img = cv2.imread(baseball.png, cv2.IMREAD_COLOR) cv2.imshow(baseball, img) cv2.

  1. Matplotlib पायथन में  imshow  का उपयोग करके एक साधारण बाइवेरिएट डिस्ट्रीब्यूशन कैसे दिखाएं Matplotlib पायथन में 'imshow' का उपयोग करके एक साधारण बाइवेरिएट डिस्ट्रीब्यूशन कैसे दिखाएं

    Matplotlib डेटा विज़ुअलाइज़ेशन के लिए एक लोकप्रिय पायथन पैकेज है। डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या हो रहा है, यह समझने में मदद करता है। यह दर्शकों को मात्रात्मक अंतर्दृष्टि को प्रभावी ढंग से संप्रेषित करने में मदद करत