使用matplotlib散点图或行图,我可以将x轴指定为日期时间数组。
from datetime import datetime, timedelta
import numpy as np
import matplotlib.pyplot as plt
size = 10
# List of Dates
base = datetime.today()
date_list = [base - timedelta(weeks=x) for x in range(0, size)]
plt.figure(1)
a = np.random.random([size])
plt.plot(dat
我目前无法理解为什么我不能在存储数据之后重新创建这个情节。
import os
import sys
from os import listdir
from os.path import isfile, join
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import seaborn as sb
from matplotlib.colors import Normalize
import matplotlib
from matplotlib import
我想用python创建一个campbell diagramm (声压级随时间和频率的变化)。只要y轴显示的频率是线性的,就可以很好地工作。 当我切换到log (这是行业标准)时,结果看起来出乎意料。无论我为plt.ylim输入什么,图表看起来与扭曲的y轴是一样的。 由于它在我的Win10商务盒和我的私人linux笔记本电脑上看起来都是一样的,所以我假设我错过了s.th。任何提示都是非常感谢的。 from scipy import signal
import numpy as np
import sounddevice as sd
import matplotlib.pyplot as pl
我在(n_y,n_x)网格上定义了数据,并将其转换为(n_y,n_x,4) np.ndarray中的颜色。我想用pcolormesh显示这些颜色。 我尝试将facecolors参数传递给pcolormesh,它不做任何事情,并使用ListedColormap将每个(y,x)单元格映射到一种颜色,但也不起作用。 下面的代码重现了我遇到的问题。 import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
'''
Define some ar
我在Argand平面上绘制了一个双变量复变函数的图像,但是我想用颜色来查看输入空间中的点来自哪里。
我对Argand平面(输入空间)进行了着色:
import numpy as np
import sympy as sym
import cmath
import matplotlib.pyplot as plt
%matplotlib inline
a = np.arange(-np.pi, np.pi, 0.1)
b = np.arange(-np.pi, np.pi, 0.1)
A, B = np.meshgrid(a, b)
fx = np.sqrt(A**2 + B**2)
p
数据
.tif数据DEM是一个行政区划的高程值。我上传它
除了分区以外的区域我不想在情节上给他们看。
我的目标
用plt.pcolormesh绘制这个部门的催眠图(PS:我在阅读.tif时发现,plt.imshow()比pcolormesh__快得多。)我也不知道为什么)。
这里我展示了一个我从互联网上剪下来的例子。
我的尝试
### Using GDAL to read the .tif data
from osgeo import gdal
### Read the .tif
pathToRaster = r'./dem.tif'
raster = gda
当我试图理解imshow和pcolormesh之间的区别时,我遇到了一个我无法理解的问题。
例如,我有一个频率为10 For的正弦波。
import numpy as np
import matplotlib.pyplot as plt
from scipy import fft
f = 10000 # Frequency, in cycles per second, or Hertz
fs = 44100 # Sampling rate, or number of measurements per second
t = np.linspace(0, 5, 5 * fs, endpo
这是热图的代码。我想知道我是否可以将数字1,2,3,4改成字母,如A,B,C,D,每个字母都在每个方块下面。
'''
Most heatmap tutorials I found online use pyplot.pcolormesh with random sets of
data from Numpy; I just needed to plot x, y, z values stored in lists--without
all the Numpy mumbo jumbo. Here I have code to plot intensity on a 2D
我正在尝试使用matplotlib来绘制3D热图和我的模拟结果。我已经阅读了并尝试使用imshow。不幸的是,当我将图形保存为SVG或EPS格式时,它会将heatmat转换为图片(这对于journal是不可接受的)。所以,我也尝试过hexbin --但是图像太奇怪了。我不确定它是否会被期刊接受。我们还有别的东西吗,或者我得一块一块地填热垫?
例如,如果运行以下代码:
import numpy as np
import numpy.random
import matplotlib.pyplot as plt
# Generate some test data
x = np.random.ran
我试图得到一种热图类型的彩色地图,在平面上的点上有已知值,这些点是传播的非均匀(即不均匀或不以网格形式)。
import numpy as np
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)
在这里,使用x、y和z,我想要一个在点坐标(x[i], y[i])处显示强度z[i]的图。
我尝试使用matplotlib的pcolor网格,如下所示
import matplotlib.pyplot as plt
plt.figure()
plt.pcolormesh(x.reshape(10, 10),
我正在创建一个要在出版物中使用的热图。该出版物仅限于黑白打印,因此我创建了灰度热图。我的问题是,在热图中有一些方块是“不适用的”,我想从视觉上区分其他单元。我的理解是这可能(?)如果热图在标度的两端都着色,则可以使用numpy的掩码数组,并且掩码字段可能仅显示为白色。问题是,我想使用从白到黑的全光谱来说明非NA数据的范围。有没有办法用其他的视觉机制来区分NA细胞,比如删除线?
下面是一个带有遮罩阵列的灰度的最小示例(改编自)。NA值可能在这里被遮蔽了,你无法分辨,因为它使用的是白色,而白色已经被用作有效光谱的高端颜色。
import numpy as np
from pylab import
我一直在尝试用pcolormesh做一个简单的热图,我遇到了这种奇怪的效果,其中添加了空的白色列。如果我创建一个10x30,如下所示,它完美地工作。
from matplotlib import pyplot as plt
import numpy as np
d = []
for x in range(10):
d.append([])
for y in range(30):
d[-1].append(y)
plt.pcolormesh(np.array(d))
plt.show()
但是,如果我试着用10x37:
from matplotlib imp
我使用以下代码制作了附图:
a = 1
theta = np.linspace(0,2*np.pi,101)
x = np.linspace(-3*a,3*a,1001, dtype='complex')
y = np.linspace(-3*a,3*a,1001, dtype='complex')
X,Y = np.meshgrid(x,y)
# come manipulations with V
# (same shape and type as X,Y) not shown here
plt.subplot(1,2,1)
plt.scatter(a*