详解matplotlib技巧之缩放和投影
引言
我们在使用matplotlib绘制图形时，有两个重要的技巧：一种是 Scale（缩放），一种是Projection（投影）。
一般来说，Scale是对数据的一个维度进行变换，适当的缩放可以改善图表的视觉效果，使其更加美观和易读。Projection则是对2个或者2个以上的维度进行变换，一般是将多维数据映射到二维或三维空间中。
缩放和投影在matplotlib绘图中起着至关重要的作用，它们帮助我们更好地展示和理解数据。
1. Scale - 缩放
缩放是指调整图形的大小，使其适应不同的尺寸或比例。
在可视化时，缩放通常用于确保数据点在图表上正确表示，尤其是在处理大量数据或数据点之间存在显著比例差异时。
matplotlib支持多种缩放方式，比如常见的线性缩放，对数缩放和自定义缩放。
1.1. 线性缩放
线性缩放是默认的缩放方式，数据的值是通过线性变换之后显示在图形的。
我们先构造一个X轴和Y轴比例非线性的图形（y=2^x），比如：
import matplotlib.pyplot as plt import math x = list(range(1, 11)) y = [math.pow(2, a) for a in x] fig = plt.figure(figsize=(6, 6)) ax = plt.subplot(1, 1, 1, aspect=1, xlim=[1, 10]) ax.plot(x, y, marker="o") plt.show()
显示图形如下：
按照1:1的比例，图形几乎无法查看，改成线性缩放之后：
import matplotlib.pyplot as plt
import math
x = list(range(1, 11))
y = [math.pow(2, a) for a in x]
fig = plt.figure(figsize=(6, 6))
ax = plt.subplot(1, 1, 1, xlim=[1, 10])
ax.set_yscale("linear") # 这里设置了线性缩放
ax.plot(x, y, marker="o")
plt.show()
线性缩放之后，X:Y的比例自动调整为1:200。
1.2. 对数缩放
上面的例子中，X 和 Y 的关系是指数关系，所以，我们改成对数缩放，
看看和线性缩放的显示有什么不同。
只需修改一行代码：
ax.set_yscale("log") # 设置对数缩放
显示效果变成如下这样：
1.3. 自定义缩放
除了使用matplotlib为我们内置的缩放函数，我们也可以自定义缩放函数。
定义缩放函数，就是定义2个缩和放的函数：
import numpy as np
def forward(x):
return np.power(2, x)
def inverse(x):
return np.log2(x)
然后用我们自定义的缩放函数来再次试试 y=2^x的图形。
x = list(range(1, 11))
y = [math.pow(2, a) for a in x]
fig = plt.figure(figsize=(6, 6))
ax = plt.subplot(1, 1, 1, xlim=[1, 10])
ax.set_xscale('function', functions=(forward, inverse))
ax.plot(x, y, marker="o")
plt.show()
显示的效果如下：
2. Projection - 投影
投影是多个维度的变换，在数据可视化中，通常用于展示高维数据集的低维表示，帮助人们理解数据的结构和模式。
2.1. 坐标系转换
投影的一个常用的应用场景是不同坐标系之间的转换，matplotlib绘图时，常用的坐标系是笛卡尔坐标系和极坐标系。
笛卡尔坐标系在几何、物理学和计算机图形学等领域中广泛应用，因为它可以方便地描述平面上的任意一点。
然而，对于描述圆形和对称图形，极坐标系可能更为简洁。
下面的示例中，就是同样的一份数据投影在两种坐标系下情况。
x = list(range(1, 11)) y = x fig = plt.figure(figsize=(12,6)) ax1 = plt.subplot(1,2,1, aspect=1, xlim=[1,10], ylim=[1, 10], projection='polar') ax1.plot(x, y, marker="o") ax2 = plt.subplot(1,2,2, aspect=1, xlim=[1,10], ylim=[1, 10]) ax2.plot(x, y, marker="o") plt.show()
2.2. 3D 投影
投影另一个重要的作用就是转换数据的维度，良好的投影应该能够保留数据的重要特征，同时减少信息的损失。
下面的示例来自matplotlib的官方文档，
它把三维的图形的任意两个维度投影到不同的平面上，可以更好的观察三维的图形的特性。
from mpl_toolkits.mplot3d import axes3d
ax = plt.figure().add_subplot(projection="3d")
X, Y, Z = axes3d.get_test_data(0.05)
ax.plot_surface(X, Y, Z, edgecolor="royalblue", lw=0.5, rstride=8, cstride=8, alpha=0.3)
ax.contour(X, Y, Z, zdir="z", offset=-100, cmap="coolwarm")
ax.contour(X, Y, Z, zdir="x", offset=-40, cmap="coolwarm")
ax.contour(X, Y, Z, zdir="y", offset=40, cmap="coolwarm")
ax.set(
xlim=(-40, 40), ylim=(-40, 40), zlim=(-100, 100), xlabel="X", ylabel="Y", zlabel="Z"
)
plt.show()
3. 总结
我们平时绘制2D图形比较多，2D图形只有2个维度，所以一般用缩放（Scale）变换就足够了。
但是在 3D 图形的场景中，投影就会用的多一些。
此外，和地理信息结合展示数据的时候，投影也会用的比较多。
因为数据对应到经纬度上至少是2个维度的同时变换（如果地理信息中包含海拔高度信息，则是3个维度的变换）
以上就是详解matplotlib技巧缩放和投影的详细内容，更多关于matplotlib缩放和投影的资料请关注脚本之家其它相关文章！
相关文章
Chat GPT 由于其独特、近乎准确且类似人类的响应，如今在互联网上引起了过多的讨论，本文讨论如何通过 Python 代码连接到 Chat GPT API，感兴趣的朋友一起看看吧2023-02-02
Python实现输入二叉树的先序和中序遍历，再输出后序遍历操作示例
这篇文章主要介绍了Python实现输入二叉树的先序和中序遍历，再输出后序遍历操作,涉及Python基于先序遍历和中序遍历构造二叉树,再后序遍历输出相关操作技巧,需要的朋友可以参考下2018-07-07
这篇文章主要介绍了pandas数据处理之绘图的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-06-06
Django使用 Bootstrap 样式修改书籍列表过程解析
这篇文章主要介绍了Django使用 Bootstrap 样式修改书籍列表过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-08-08
这篇文章主要介绍了python random库使用方法及异常处理,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-03-03
这篇文章介绍了Python网络编程之xmlrpc模块，文中通过示例代码介绍的非常详细。对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-05-05
今天小编就为大家分享一篇Django之PopUp的具体实现方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
一幅图像由不同灰度值的像素组成，图像中灰度的分布情况是该图像的一个重要特征。图像的灰度直方图就描述了图像中灰度分布情况。本文将利用Python和OpenCV绘制灰度直方图，需要的可以参考一下2022-03-03
这篇文章主要介绍了python 动态调用函数实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-10-10
今天小编就为大家分享一篇解决Python一行输出不显示的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
最新评论