1. Johngo学长首页
  2. 技术点详细复盘专题
  3. Python

理解subplots, ax.imshow, FuncAnimation

• Python • 阅读 40

文章目录

subplot和subplots的区别

看到subplots会联想到subplot，两者的区别是什么？查一下subplot的英文含义vocabulary subplot，subplot常用作故事里的子情节。

  • 看stackoverflow回答，举了两者的例子说明。
  • 看subplots的例子what-is-a-subplots-in-matplotlib可知，subplots相当于直接创建一组子图。一次调用可以得到n个子图，然后在子图上绘制即可。
  • 而看subplot的csdn例子可知，你需要调用多次subplot来绘制子图，有n个待生成的子图就要调用n次subplot函数。

subplots与ax.imshow例子

所以，subplots可以直接创建画板的格局，如下例子，subplots创建了一个2行1列排版的画布，然后用ax.imshow在排版上绘制图像。
而ax.imshow的行为是能在区域ax绘制图像，其可以接受list或者numpy.ndarray类型输入的像素点，并绘制图片。

下述代码首先定义了红、绿、蓝三种像素点，再做了三种排列row1、row2、row3。然后分别赋值到list和numpy.ndarray。并用imshow展示像素图。

import matplotlib.pyplot as plt
import numpy as np

fig, axs = plt.subplots(2, 1)

red = [255,0,0]
green = [0,255,0]
yellow = [0,0,255]

row1 = [red,green,yellow]
row2 = [green,yellow,red]
row3 = [yellow,red,green]

axs[0].imshow([row1, row2, row3])

image2 = np.ndarray((3,3,3))
image2[:] = [row2, row3, row1]
print("image2 is instance of numpy array: ", isinstance(image2, np.ndarray))
axs[1].imshow(image2)

plt.show()

输出如下，是两张图画，各有3*3=9个像素点，每个像素点都是彩色，所以维度[H, W, 3]=[3, 3, 3]。

理解subplots, ax.imshow, FuncAnimation

这里的像素点很大，但确实符合3*3的格式。如果像素点数量变多，像素点应该会变小，图像会更像一幅图。

这里没有 删除坐标轴，如果不想看到坐标轴和数字，可以代码设置 axs[0].axis("off")。

axs[0].axis("off")
axs[0].imshow([row1, row2, row3])

可以看到，第一幅子图的坐标轴消除了，第二幅子图的坐标轴没消除。

理解subplots, ax.imshow, FuncAnimation
如果在使用subplots的情况下，想 取消所有图的坐标轴，根据turn-off-axes-in-subplots ，不应该调用 plot.axis("off")，而仍然应该对每个ax调用 axis("off")

subplots参数探究

figsize

subplots的figsize参数主要用于设置整个画幅的大小，其中(4,4)代表400px*400px。其它单位使用参考官方文档figure_size_units。

下面看下两种排版下的画幅大小。

import matplotlib.pyplot as plt

def show_blank(nrow, ncol):
    fig, axs = plt.subplots(nrow, ncol, sharex=True, sharey=True, figsize=(4, 4))
    for ax in axs:
        ax.text(0.5, 0.5, "xxxx")
    plt.show()

show_blank(2,1)
show_blank(10,1)

运行分别得到：

理解subplots, ax.imshow, FuncAnimation
以及
理解subplots, ax.imshow, FuncAnimation
显而易见，排版虽然是2 _1和10_1（纵坐标轴因画幅太小而挤压），但整个窗口大小在两次运行中是一样的。所 figsize参数指定了画幅的整体大小。

sharex sharey

这两个参数指定了是否共享纵轴和横轴，尽管sharex和sharey接受字符串类型的参数，本文之探究bool类型的运行情况。
下面代码让窗口两次显示2*2排版的画幅，并对比share参数在两种bool输入下的表现。

import matplotlib.pyplot as plt

def show_blank(nrow, ncol, sharex, sharey):
    fig, axs = plt.subplots(nrow, ncol, sharex=sharex, sharey=sharey, figsize=(8, 8))
    for ax_row in axs:
        for ax in ax_row:
            ax.text(0.5, 0.5, "test text")
    plt.show()

show_blank(2, 2, True, True)
show_blank(2, 2, False, False)

其图片输出分别如下：

理解subplots, ax.imshow, FuncAnimation
理解subplots, ax.imshow, FuncAnimation

可见：

  • sharex会让同一列内的图片都共享横坐标轴
  • sharey会让同一行内的图片都共享纵坐标轴

具体可以自己调试一下。

imshow参数与返回值

需要探究的参数有cmap、vmin、vmax。根据官方文档。如果要显示灰色画幅，设置参数为 cmap='gray', vmin=0, vmax=255。

  • cmap代表图画是灰色还是彩色。如果是RGB图画，可以忽略该参数。
  • 在没有设置norm的情况下，vmin和vmax代表色域的最小值和最大值。

个人觉得只需记住灰色、彩色图的参数即可，灰色图就设置一下cmap为gray，彩色图就直接输入[H,W,3]的数据即可。对于一些奇特的用法，不必过多纠缠。

FuncAnimation

import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

nrow, ncol = 2, 2
fig, axs = plt.subplots(nrow, ncol, sharex=True, sharey=True, figsize=(8, 8))
texts = ["aaaa", "bbbb", "cccc", "dddd"]

def animate_diff(i):

    for row in range(nrow):
        for col in range(ncol):
            axs[row, col].clear()

            idx = (i + row * ncol + col) % len(texts)
            axs[row, col].text(0.5, 0.5, f"({row},{col}) {texts[idx]}")

ani = FuncAnimation(fig, animate_diff, interval=1500, blit=False, repeat=True,
                    frames=100)

plt.show()

动态图如下，从左上到右下的四个子图，坐标分别是(0,0), (0,1), (1,0), (1,1)。各个参数的作用如下：

  1. fig参数代表动画绘制在fig对象上。
  2. 帧更新函数为animate_diff，每一帧会调用一次，在函数里可以利用axs对象更新画幅。animate_diff的参数i代表当前是第几帧
  3. repeat参数代表是否重复播放。
  4. interval=1500代表帧间隔为1500ms，frames=100代表一轮播放有100帧。

运行以后，可以看到画幅重复以下情形
5. 第一个frame，四个子图分别显示a b c d
6. 第二个frame，四个子图分别显示b c d a
7. 第三个frame，四个子图分别显示c d a b
8. 第四个frame，四个子图分别显示d a b c

理解subplots, ax.imshow, FuncAnimation

留意到，并不需要为animate_diff设置返回值，也可以正常生成动画图。但有的例子中会不止更新画幅，而且设置返回值，这里留个疑问。

Original: https://blog.csdn.net/duoyasong5907/article/details/127543807
Author: Melody2050
Title: 理解subplots, ax.imshow, FuncAnimation

相关阅读

Title: 5个例子介绍Pandas的merge并对比SQL中join

本文的重点是在合并和连接操作方面比较Pandas和SQL。Pandas是一个用于Python的数据分析和操作库。SQL是一种用于管理关系数据库中的数据的编程语言。两者都使用带标签的行和列的表格数据。

Pandas的merge函数根据公共列中的值组合dataframe。SQL中的join可以执行相同的操作。这些操作非常有用，特别是当我们在表的不同数据中具有共同的数据列（即数据点）时。

理解subplots, ax.imshow, FuncAnimation

pandas的merge图解

我创建了两个简单的dataframe和表，通过示例来说明合并和连接。

理解subplots, ax.imshow, FuncAnimation

“cust”包含5个客户的3条信息。列是id、年龄和类别。

理解subplots, ax.imshow, FuncAnimation

“purc”包含客户id、机票号码和购买金额。

id是共同列的列，所以我们将在合并或联接时使用它。

您可能已经注意到，id列并不完全相同。有些值只存在于一个dataframe中。我们将在示例中看到处理它们的方法。

; 示例1

第一个示例是基于id列中的共享值进行合并或连接。使用默认设置完成了这个任务，所以我们不需要调整任何参数。

import pandas as pd
cust.merge(purc, on='id')

理解subplots, ax.imshow, FuncAnimation

Pandas的merge函数不会返回重复的列。另一方面，如果我们选择两个表中的所有列(“*”)，则在SQL join中id列是重复的。

mysql> select cust.*, purc.*
    -> from cust join purc
    -> on cust.id = purc.id

;+------+------+------+------+--------+--------+
| id   | age  | ctg  | id   | ticket | amount |
+------+------+------+------+--------+--------+
|    3 |   22 | B    |    3 |   1001 |  24.10 |
|    4 |   29 | C    |    4 |   1002 |  32.50 |
|    5 |   17 | B    |    5 |   1003 |  34.80 |
+------+------+------+------+--------+--------+

示例2

假设我们希望左表中有所有的行，而右表中只有匹配的行。在Pandas中，on参数被更改为”left”。在SQL中，我们使用”left join”而不是”join”关键字。

cust.merge(purc, on='id', how='left')

理解subplots, ax.imshow, FuncAnimation 
mysql> select cust.*, purc.*
    -> from cust
    -> left join purc
    -> on cust.id = purc.id

;+------+------+------+------+--------+--------+
| id   | age  | ctg  | id   | ticket | amount |
+------+------+------+------+--------+--------+
|    3 |   22 | B    |    3 |   1001 |  24.10 |
|    4 |   29 | C    |    4 |   1002 |  32.50 |
|    5 |   17 | B    |    5 |   1003 |  34.80 |
|    1 |   34 | A    | NULL |   NULL |   NULL |
|    2 |   28 | A    | NULL |   NULL |   NULL |

purcdataframe和表中没有id为1或2的行。因此，purc中的列中填充了这些行的空值。

示例3

如果我们想要看到两个dataframe或表中的所有行，该怎么办?

在Pandas中，这是一个简单的操作，可以通过将’ outer ‘参数传递给on形参来完成。

cust.merge(purc, on='id', how='outer')

理解subplots, ax.imshow, FuncAnimation

MySQL没有提供”完整的外连接”，但是我们可以通过两个左连接来实现。

注意:尽管关系数据库管理系统(rdbms)采用的SQL语法基本相同，但可能会有一些细微的差异。因此，最好检查特定RDBMS的文档，看看它是否支持完整的外部连接。

在MySQL中，完整的外连接可以通过两个左连接实现:

mysql> select cust.*, purc.*
    -> from cust left join purc
    -> on cust.id = purc.id
    -> union
    -> select cust.*, purc.*
    -> from purc left join cust
    -> on cust.id = purc.id
;+------+------+------+------+--------+--------+
| id   | age  | ctg  | id   | ticket | amount |
+------+------+------+------+--------+--------+
|    3 |   22 | B    |    3 |   1001 |  24.10 |
|    4 |   29 | C    |    4 |   1002 |  32.50 |
|    5 |   17 | B    |    5 |   1003 |  34.80 |
|    1 |   34 | A    | NULL |   NULL |   NULL |
|    2 |   28 | A    | NULL |   NULL |   NULL |
| NULL | NULL | NULL |    6 |   1004 |  19.50 |
| NULL | NULL | NULL |    7 |   1005 |  26.20 |
+------+------+------+------+--------+--------+

union操作符将多个查询的结果堆叠起来。这类似于Pandas的concat功能。

示例4

合并或联接不仅仅是合并数据。我们可以把它们作为数据分析的工具。例如，我们可以计算每个类别(“ctg”)的总订单金额。

`
cust.merge(purc, on=’id’, how=’left’)[[‘ctg’,’amount’]].groupby(‘ctg’).mean()

ctg amount

Original: https://blog.csdn.net/m0_46510245/article/details/113709087
Author: deephub
Title: 5个例子介绍Pandas的merge并对比SQL中join

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/328216/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

最近整理资源【免费获取】：   👉 程序员最新必读书单  | 👏 互联网各方向面试题下载 | ✌️计算机核心资源汇总