我正在尝试使用matplotlib为我正在撰写的一篇论文绘制一些图形。我有两组二维numpy数组中的数据:一个ascii山体阴影栅格,我可以使用以下命令进行绘制和调整:
import matplotlib.pyplot as pp
import numpy as np
hillshade = np.genfromtxt('hs.asc', delimiter=' ', skip_header=6)[:,:-1]
pp.imshow(hillshade, vmin=0, vmax=255)
pp.gray()
pp.show()
这就给出了:
以及第二ascii栅格,其描绘流经该景观的河流的属性。可以以与上述相同的方式绘制该数据,但是,将不对应于河网的数组中的值指定为-9999的无数据值。其目的是将no数据值设置为透明,以便河流值覆盖在山体阴影上。
这是河流数据,理想情况下,这里表示为0的每个像素都是完全透明的。
在这方面做了一些研究之后,我似乎可以将我的数据转换为RGBA数组,并将alpha值设置为只使不需要的单元格透明。但是,河数组中的值是浮点数,不能转换(因为原始值是图中的全部内容),我相信如果使用RGBA格式,imshow
函数只能接受无符号整数。
有什么方法可以绕过这个限制吗?我曾希望我可以简单地创建一个包含像素值和alpha值的元组,并像这样绘制它们,但这似乎不太可能。
我还尝试过使用PIL
创建河流数据的PNG文件,但这似乎会自动将像素值缩放到0-255,从而丢失我需要保留的值。
我欢迎任何人在这个问题上有任何见解。
发布于 2013-06-18 21:46:58
只需mask你的“河”数组。
例如:
rivers = np.ma.masked_where(rivers == 0, rivers)
作为以这种方式叠加两个地块的快速示例:
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
# Generate some data...
gray_data = np.arange(10000).reshape(100, 100)
masked_data = np.random.random((100,100))
masked_data = np.ma.masked_where(masked_data < 0.9, masked_data)
# Overlay the two images
fig, ax = plt.subplots()
ax.imshow(gray_data, cmap=cm.gray)
ax.imshow(masked_data, cmap=cm.jet, interpolation='none')
plt.show()
此外,顺便说一句,imshow
将很乐意接受其RGBA格式的浮点数。它只是希望所有内容都在0到1的范围内。
发布于 2013-06-19 05:04:49
在不使用掩码数组的情况下,另一种方法是设置颜色映射如何处理clim
最小值以下的剪切值(不知羞耻地使用Joe Kington的示例):
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
# Generate some data...
gray_data = np.arange(10000).reshape(100, 100)
masked_data = np.random.random((100,100))
my_cmap = cm.jet
my_cmap.set_under('k', alpha=0)
# Overlay the two images
fig, ax = plt.subplots()
ax.imshow(gray_data, cmap=cm.gray)
im = ax.imshow(masked_data, cmap=my_cmap,
interpolation='none',
clim=[0.9, 1])
plt.show()
还有一个用于裁剪顶部的set_over
和一个用于设置色彩映射表如何处理数据中“坏”值的set_bad
。
这样做的一个好处是,您可以通过使用im.set_clim([bot, top])
调整clim
来更改阈值
发布于 2021-02-09 01:18:42
另一种选择是设置所有对np.nan
透明的单元格(不确定哪个更有效,我猜基于clim
的tacaswell's answer将是最好的)。采用Joe Kington's answer的示例
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
# Generate some data...
gray_data = np.arange(10000).reshape(100, 100)
masked_data = np.random.random((100,100))
masked_data[np.where(masked_data < 0.9)] = np.nan
# Overlay the two images
fig, ax = plt.subplots()
ax.imshow(gray_data, cmap=cm.gray)
ax.imshow(masked_data, cmap=cm.jet, interpolation='none')
plt.show()
请注意,对于dtype=bool
数组,您不应该为了PEP8 (E712)而遵循您的集成开发环境的建议来比较masked_data is True
,而是坚持使用masked_data == True
进行逐个元素的比较,否则屏蔽将失败:
https://stackoverflow.com/questions/17170229
复制相似问题