对 matplotlib.cm.RdYlBu() 的理解

简介: 对 matplotlib.cm.RdYlBu() 的理解

matplotlib.cm

matplotlib.cm是matplotlib库中内置的色彩映射函数。

matplotlib.cm的官方介绍


matplotlib.cm.[色彩]('[数据集]')即对[数据集]应用[色彩]


内置色彩映射的列表

Colormap参考


0a2653c851af460fa595bd959398a8f1.png2d65d23f6d4748949b924e4057485923.png6de278e6d6694ce5bb08e7e842b7e74b.png8ec4f2997fb246878c34ecd6d122b7c6.png12c3b7f3f8814309a195c64f051d4445.png34e8d716411043c08c7ffba9fbba23de.png


有关色彩映射的使用方法

举例:


# 实例来源:TensorFlow深度学习应用实践 Page 56
from pylab import *
import pandas as pd
import matplotlib.pyplot as plt
filePath = ('./data/dataTest.csv')
dataFile = pd.read_csv(filePath, header=None, prefix='V')
summary = dataFile.describe()
minRings = -1
maxRings = 99
for i in range(10):
    dataRow = dataFile.iloc[i, 1:10]
    labelColor = (dataFile.iloc[i, 10] - minRings) / (maxRings - minRings)
    #注意这里:plt.cm.Set2(labelColor)
    #其中Set2即上方色彩映射列表中的色彩名,原例中用的是RdYlBu
    dataRow.plot(color=plt.cm.Set2(labelColor), alpha=0.4) #plt.cm.RdYlBu(labelColor)
plt.xlabel('Attribute')
plt.ylabel('Score')
plt.show()


出图:


Set2:


92ba0822ed0b46e1ae72df8a17d3a45b.png


换用RdYlBu:


d79b274929334152a6d38be91e2d1be3.png


上述色彩除了自身可以直接应用外,也可以取反:

举例:


将Set2取反,即将Set2换为Set2_r:


dfc80ca9d8004e6c9ddc00e8448ffc6a.png

将RdYlBu取反,即将RdYlBu换为RdYlBu_r


e8beda27b2f643a380f9b38a7f7d8a2a.png


其他色彩也一样,只要在末尾加上_r即可


相关文章
|
存储 SQL 定位技术
ArcGIS三种筛选提取要素的方法
ArcGIS三种筛选提取要素的方法
7308 0
|
存储 安全 Java
BlockingQueue(阻塞队列)基本使用指南
BlockingQueue(阻塞队列)基本使用指南
586 1
|
SQL XML Java
【MyBatis】动态SQL和mybatis分页的运用
如果我们的前台没有传参,比如没有传入我们的name值,name就会把字段值改为null,这就违背了我们编码的初衷。许多人会使用类似于where 1 = 1来作为前缀,在代码中会用if,再用and进行一个sql拼接。
|
Linux 网络安全 Python
如何在服务器上运行python文件
如何在服务器上运行python文件
|
关系型数据库 MySQL 数据库
MySQL - 不使用外键约束的实操(二)
MySQL - 不使用外键约束的实操(二)
1141 0
|
JavaScript iOS开发 MacOS
Jupyter模块Plotly及labextension插件的安装
Jupyter模块Plotly及labextension插件的安装
746 1
|
存储 数据可视化 算法
空间单细胞|基于图像的空间数据分析(2)
空间单细胞|基于图像的空间数据分析(2)
|
机器学习/深度学习 调度 计算机视觉
深度学习中的学习率调度:循环学习率、SGDR、1cycle 等方法介绍及实践策略研究
本文探讨了多种学习率调度策略在神经网络训练中的应用,强调了选择合适学习率的重要性。文章介绍了阶梯式衰减、余弦退火、循环学习率等策略,并分析了它们在不同实验设置下的表现。研究表明,循环学习率和SGDR等策略在提高模型性能和加快训练速度方面表现出色,而REX调度则在不同预算条件下表现稳定。这些策略为深度学习实践者提供了实用的指导。
789 2
深度学习中的学习率调度:循环学习率、SGDR、1cycle 等方法介绍及实践策略研究
|
Linux Python
用python扫描linux开放的端口(3种方式)
这篇文章介绍了三种使用Python实现Linux端口扫描的方法,包括基础版端口扫描、全端口扫描和多线程扫描技术。
577 16
|
数据采集 数据挖掘 数据库
单细胞分析 | 使用 Monocle 3 进行发育轨迹分析
单细胞分析 | 使用 Monocle 3 进行发育轨迹分析
1470 0
单细胞分析 | 使用 Monocle 3 进行发育轨迹分析