安防网站建设,wordpress子菜单不显示,做防水网站,手机端企业网站源码在前述学习过程中#xff0c;我们已经通过官网学习了如何绘制渐变的柱状图及其背景。
掌握一门技能的最佳检验方式就是通过实战#xff0c;因此#xff0c;本文尝试做一些渐变设计。
前述学习记录可查看链接#xff1a;
Python画图|渐变背景-CSDN博客 【1】柱状图渐变
…在前述学习过程中我们已经通过官网学习了如何绘制渐变的柱状图及其背景。
掌握一门技能的最佳检验方式就是通过实战因此本文尝试做一些渐变设计。
前述学习记录可查看链接
Python画图|渐变背景-CSDN博客 【1】柱状图渐变
在上一篇文章中由于代码太长对单个函数的解读不够详细在本文中可以详细展开。
首先将背景渐变的代码改为注释原因为
【a】所有渐变都使用了gradient_image()函数
【b】gradient_bar()函数通过调用gradient_image()函数画出了渐变的柱状图
【c】调用gradient_image()函数单独定义了背景渐变。
因此在不对代码进行修改的前提下最快速的更改就是把背景渐变的代码消除 # background image
#gradient_image(ax, direction1, extent(0, 1, 0, 1), transformax.transAxes,#cmapplt.cm.RdYlGn, cmap_range(0.2, 0.9), alpha0.5) #调用了子函数 此时的输出结果为 图1
由图1可见坐标轴区域内部已经改为纯色仅柱状图变成渐变颜色。
然后尝试修改颜色将柱状图的渐变色改为cmap由plt.cm.Blues_r改为plt.cm.Blues此时的输出结果为 图2
对比图1和图2可见渐变的方向进行了交换。
【2】渐变代码解读
经过追溯 gradient_bar()函数和gradient_image()函数的构造和使用基本上都参考了ax.imshow()函数。
【2.1】ax.imshow()函数
因在实施渐变以前有必要先学习ax.imshow()函数
https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.imshow.html#matplotlib.axes.Axes.imshow Axes.imshow(X, cmapNone, normNone, *, aspectNone, interpolationNone, alphaNone, vminNone, vmaxNone, originNone, extentNone, interpolation_stageNone, filternormTrue, filterrad4.0, resampleNone, urlNone, dataNone, **kwargs) ax.imshow()包含参数意义如下
X画图数据依据
cmap颜色参数
norm标准化工具将cmap数据缩放到(0,1)范围
aspect设定坐标轴的长宽比
interpolation插值设置
alpha透明度设置
origin设定数组的起点在左下角还是左上角
extent边界框
interpolation_stage插值范围
filternorm图像粒度调整
filterrad与差值先关
其余如resample、url、dataNone和**kwargs不常用暂无需关注。
【2.2】gradient_bar()函数
基于此我们尝试解读下述代码 def gradient_bar(ax, x, y, width0.5, bottom0): #自定义函数for left, top in zip(x, y):right left width #右边等于左边加宽度这是要逐个排列的意思gradient_image(ax, extent(left, right, bottom, top),cmapplt.cm.Blues##, cmap_range(0.2, 0.9) 第一行 def gradient_bar(ax, x, y, width0.5, bottom0): #自定义函数 其中的ax,x,y均为外部输入变量 width0.5, bottom0为内部已经完成定义的变量。
for函数对x和y组成的组合数组进行取值。
right是内部变量leftwidth代表着柱状图不断右移。
gradient_image()函数在此处被直接调用调用的时候只需要外部输入ax其余参数如extent、cmap和cmap_range都已经提前完成了赋值。
【2.3】gradient_image()函数
基于前述分析我们尝试解读下述代码 # background image
gradient_image(ax, direction1, extent(0, 1, 0, 1), transformax.transAxes,cmapplt.cm.RdYlGn, cmap_range(0.2, 0.9), alpha0.5) #调用了子函数 这里是对gradient_image()函数的直接调用几乎所有参数都已经解读过稍有变化的是里面多了一个transform参数这里的transformax.transAxes就是把ax值转化为Axes值 顺直坐标轴画直方图的意思。
【3】渐变调控
根据前述分析已经知晓柱状图渐变和背景渐变可以分别设置因此此处尝试消除柱状图渐变然后恢复背景渐变。
【3.1】柱状图渐变
消除柱状图渐变最快的方式是将cmap_range的赋值改成一致的即可 def gradient_bar(ax, x, y, width0.5, bottom0): #自定义函数for left, top in zip(x, y):right left width #右边等于左边加宽度这是要逐个排列的意思gradient_image(ax, extent(left, right, bottom, top),cmapplt.cm.Blues, cmap_range(0.8, 0.8)) 此时的输出图像为 图3
【3.2】背景渐变
消除背景图渐变最快的方式也是将cmap_range的赋值改成一致的即可 # background image
gradient_image(ax, direction1, extent(0,1,0, 1), transformax.transAxes,cmapplt.cm.RdYlGn, cmap_range(0.9, 0.9), alpha0.5) #调用了子函数 此时的输出图像为 图4
至此所有渐变已经消除。
至此的完整代码为
import matplotlib.pyplot as plt # 引入matplotlib模块画图
import numpy as np # 引入numpy模块做数学计算np.random.seed(19680801) #定义随机数种子def gradient_image(ax, direction0.3, cmap_range(0, 1), **kwargs): #自定义函数Draw a gradient image based on a colormap.Parameters----------ax : AxesThe Axes to draw on.direction : floatThe direction of the gradient. This is a number inrange 0 (vertical) to 1 (horizontal).cmap_range : float, floatThe fraction (cmin, cmax) of the colormap that should beused for the gradient, where the complete colormap is (0, 1).**kwargsOther parameters are passed on to .Axes.imshow().In particular, *cmap*, *extent*, and *transform* may be useful.phi direction * np.pi / 2 #定义因变量从np.pi可以看出这是一个角度变量v np.array([np.cos(phi), np.sin(phi)]) #定义数组包括正弦值和余弦值X np.array([[v [1, 0], v [1, 1]],[v [0, 0], v [0, 1]]]) #这里的是矩阵乘法a, b cmap_range #定义变量a和bX a (b - a) / X.max() * X #定义变量Xim ax.imshow(X, interpolationbicubic, clim(0, 1),aspectauto, **kwargs) #定义变量imreturn im #返回imdef gradient_bar(ax, x, y, width0.5, bottom0): #自定义函数for left, top in zip(x, y):right left width #右边等于左边加宽度这是要逐个排列的意思gradient_image(ax, extent(left, right, bottom, top),cmapplt.cm.Blues, cmap_range(0.8, 0.8))fig, ax plt.subplots()
ax.set(xlim(0, 10), ylim(0, 1))# background image
gradient_image(ax, direction1, extent(0,1,0, 1), transformax.transAxes,cmapplt.cm.RdYlGn, cmap_range(0.9, 0.9), alpha0.5) #调用了子函数N 10 #定义常量10
x np.arange(N) 0.15 #使用随机变量参与运算制造变量x
y np.random.rand(N) #定义随机矩阵
gradient_bar(ax, x, y, width0.7) #画随机柱状图
plt.show() #输出图形
【4】坐标轴外背景颜色设置
在前述学习过程中已经讨论了坐标轴以外的颜色设置详见下述链接
python画图|图像背景颜色设置-CSDN博客
此处的渐变仅仅涉及坐标轴内部区域和柱状图本身基于此尝试设置坐标轴外部的颜色修改画图代码为 fig, ax plt.subplots(facecolor(0.6, 0.5,0.9))此时的输出结果为 图5
由图5可见外部背景、坐标轴内都有了颜色。
此时的完整代码为
import matplotlib.pyplot as plt # 引入matplotlib模块画图
import numpy as np # 引入numpy模块做数学计算np.random.seed(19680801) #定义随机数种子def gradient_image(ax, direction0.3, cmap_range(0, 1), **kwargs): #自定义函数Draw a gradient image based on a colormap.Parameters----------ax : AxesThe Axes to draw on.direction : floatThe direction of the gradient. This is a number inrange 0 (vertical) to 1 (horizontal).cmap_range : float, floatThe fraction (cmin, cmax) of the colormap that should beused for the gradient, where the complete colormap is (0, 1).**kwargsOther parameters are passed on to .Axes.imshow().In particular, *cmap*, *extent*, and *transform* may be useful.phi direction * np.pi / 2 #定义因变量从np.pi可以看出这是一个角度变量v np.array([np.cos(phi), np.sin(phi)]) #定义数组包括正弦值和余弦值X np.array([[v [1, 0], v [1, 1]],[v [0, 0], v [0, 1]]]) #这里的是矩阵乘法a, b cmap_range #定义变量a和bX a (b - a) / X.max() * X #定义变量Xim ax.imshow(X, interpolationbicubic, clim(0, 1),aspectauto, **kwargs) #定义变量imreturn im #返回imdef gradient_bar(ax, x, y, width0.5, bottom0): #自定义函数for left, top in zip(x, y):right left width #右边等于左边加宽度这是要逐个排列的意思gradient_image(ax, extent(left, right, bottom, top),cmapplt.cm.Blues, cmap_range(0.8, 0.8))fig, ax plt.subplots(facecolor(0.6, 0.5,0.9)) #设置坐标轴外区域颜色
ax.set(xlim(0, 10), ylim(0, 1))# background image
gradient_image(ax, direction1, extent(0,1,0, 1), transformax.transAxes,cmapplt.cm.RdYlGn, cmap_range(0.9, 0.9), alpha0.5) #调用了子函数N 10 #定义常量10
x np.arange(N) 0.15 #使用随机变量参与运算制造变量x
y np.random.rand(N) #定义随机矩阵
gradient_bar(ax, x, y, width0.7) #画随机柱状图
plt.show() #输出图形
【5】自主渐变设置
在前述学习的基础上给所有区域山上色并对坐标轴内部区域进行渐变设置并设置图名为“Gradient Color”。
完整代码为
import matplotlib.pyplot as plt # 引入matplotlib模块画图
import numpy as np # 引入numpy模块做数学计算np.random.seed(19680801) #定义随机数种子def gradient_image(ax, direction0.3, cmap_range(0, 1), **kwargs): #自定义函数Draw a gradient image based on a colormap.Parameters----------ax : AxesThe Axes to draw on.direction : floatThe direction of the gradient. This is a number inrange 0 (vertical) to 1 (horizontal).cmap_range : float, floatThe fraction (cmin, cmax) of the colormap that should beused for the gradient, where the complete colormap is (0, 1).**kwargsOther parameters are passed on to .Axes.imshow().In particular, *cmap*, *extent*, and *transform* may be useful.phi direction * np.pi / 2 #定义因变量从np.pi可以看出这是一个角度变量v np.array([np.cos(phi), np.sin(phi)]) #定义数组包括正弦值和余弦值X np.array([[v [1, 0], v [1, 1]],[v [0, 0], v [0, 1]]]) #这里的是矩阵乘法a, b cmap_range #定义变量a和bX a (b - a) / X.max() * X #定义变量Xim ax.imshow(X, interpolationbicubic, clim(0, 1),aspectauto, **kwargs) #定义变量imreturn im #返回imdef gradient_bar(ax, x, y, width0.5, bottom0): #自定义函数for left, top in zip(x, y):right left width #右边等于左边加宽度这是要逐个排列的意思gradient_image(ax, extent(left, right, bottom, top),cmapplt.cm.Blues, cmap_range(0.2, 0.8))fig, ax plt.subplots(facecolor(0.6, 0.5,0.9)) #设置坐标轴外区域颜色
ax.set(xlim(0, 10), ylim(0, 1))# background image
gradient_image(ax, direction1, extent(0,1,0, 1), transformax.transAxes,cmapplt.cm.RdYlGn, cmap_range(0.1, 0.9), alpha0.5) #调用了子函数N 10 #定义常量10
x np.arange(N) 0.15 #使用随机变量参与运算制造变量x
y np.random.rand(N) #定义随机矩阵
gradient_bar(ax, x, y, width0.7) #画随机柱状图
ax.set_title(Gradient Color) #设置图名
plt.show() #输出图形
输出图形为 图6
由图6可见坐标轴内部的柱状图和背景颜色均渐变坐标轴外的区域则是纯色。
【6】总结
学习了柱状图、坐标轴区域内部背景颜色的渐变设计以及为坐标轴外部区域增添颜色。
