我有一堆形状为 (1, 104) 的样本。所有样本都是整数(正数、负数和 0),用于
imshow
的 matplotlib
函数。下面是我创建的将它们显示为图像的函数。
def show_as_image(sample):
bitmap = sample.reshape((13, 8))
plt.figure()
# this line needs changes.
plt.imshow(bitmap, cmap='gray', interpolation='nearest')
plt.colorbar()
plt.show()
我需要颜色代码来自
sample
的正值和负值。 PS:取0为正。
如何更改我的代码?
您可以设置颜色编码的标准化,使其在数据的负绝对值和正绝对值之间均匀分布。使用中间带有浅色的颜色图可以帮助可视化值离零有多远。
import numpy as np
import matplotlib.pyplot as plt
def show_as_image(sample):
bitmap = sample.reshape((13, 8))
maxval = np.max(np.abs([bitmap.min(),bitmap.max()]))
plt.figure()
plt.imshow(bitmap, cmap='RdYlGn', interpolation='nearest',
vmin=-maxval, vmax=maxval)
plt.colorbar()
plt.show()
sample=np.random.randn(1,104)
show_as_image(sample)
如果需要二进制映射,您可以将正值映射到例如1 和负数到 0。
import numpy as np
import matplotlib.pyplot as plt
def show_as_image(sample):
bitmap = sample.reshape((13, 8))
bitmap[bitmap >= 0] = 1
bitmap[bitmap < 0] = 0
plt.figure()
plt.imshow(bitmap, cmap='RdYlGn', interpolation='nearest',
vmin=-.1, vmax=1.1)
plt.show()
sample=np.random.randn(1,104)
show_as_image(sample)
在这种情况下,使用颜色条可能没有用。
您可以创建一个三维数组,为每个像素分配一个颜色代码。所以如果你想要黑色和白色,你会分别通过
(0,0,0)
和(1,1,1)
。像这样的东西应该有效:
def show_as_image(sample):
bitmap = sample.reshape((13, 8))
bitmap_colored = np.zeros((13,8,3))
bitmap_colored[bitmap>=0] = [1,1,1] # black for values greater or equal to 0
bitmap_colored[bitmap<0] = [0,0,0] # white for values less than 0
plt.figure()
plt.imshow(bitmap_colored, interpolation='nearest')
plt.show()
例如:
>>> sample = np.random.randint(low=-10,high=10,size=(1,104))
>>> show_as_image(sample)