imagesc是一个Python包,可以轻松地创建热图。
imagesc的Python项目详细描述
图像C
- imagesc是一个Python包,用于创建热图。实现了各种创建热图的方法,每个方法都具有特定的属性,可以帮助轻松创建热图。fast和clean方法针对速度进行了优化,cluster方法提供了聚类,seaborn方法包含许多配置设置,最后,plot尽可能好地来自matlab的imagesc。在
图像中的函数c
# X is your numpy arrayfig=imagesc.seaborn(X)fig=imagesc.cluster(X)fig=imagesc.fast(X)fig=imagesc.clean(X)fig=imagesc.plot(X)status=imagesc.savefig(fig)path=imagesc.d3(df)
目录
安装
- 从PyPI安装imagesc(推荐)。imagesc与python3.6+兼容,可在Linux、macosx和Windows上运行。在
- 它是根据麻省理工学院的许可证发行的。在
要求
^{pr2}$从Pypi安装
pip install imagesc
导入imagesc包
importimagescasimagesc
d3
- 实现基于d3
- 交互式
- 独立
- https://d3-graph-gallery.com
df=pd.DataFrame(np.random.randint(0,100,size=(50,50)))imagesc.d3(df,vmax=1)
在
海伯恩
- 底层实现基于seaborn
- 大量配置
- 使用大型数据集时速度较慢
- 网格与单元格对齐
- 所有参数请参见此处:https://seaborn.pydata.org/generated/seaborn.heatmap.html
df=pd.DataFrame(np.random.randint(0,100,size=(10,20)))A=imagesc.seaborn(df.values,df.index.values,df.columns.values)B=imagesc.seaborn(df.values,df.index.values,df.columns.values,annot=True,annot_kws={"size":12})C=imagesc.seaborn(df.values,df.index.values,df.columns.values,annot=True,annot_kws={"size":12},cmap='rainbow')D=imagesc.seaborn(df.values,df.index.values,df.columns.values,annot=True,annot_kws={"size":12},cmap='rainbow',linecolor='#ffffff')
一个 B C D 在
簇
- 底层实现基于clustermap
- 当你的欲望聚集在一起时
- 默认距离设置:metric=“euclidean”,linkage=“ward”(可更改)
- 对于大型数据集来说速度很慢
- 网格与单元格对齐
- 调整的可能性
- 可能的参数:https://seaborn.pydata.org/generated/seaborn.clustermap.html
df=pd.DataFrame(np.random.randint(0,100,size=(10,20)))fig_C1=imagesc.cluster(df.values,df.index.values,df.columns.values)fig_C2=imagesc.cluster(df.values,df.index.values,df.columns.values,cmap='rainbow')fig_C3=imagesc.cluster(df.values,df.index.values,df.columns.values,cmap='rainbow',linecolor='#ffffff')fig_C4=imagesc.cluster(df.values,df.index.values,df.columns.values,cmap='rainbow',linecolor='#ffffff',linewidth=0)imagesc.savefig(fig_C1,'./docs/figs/cluster4.png')
C1 C2 C3 C4 在
快速
- 底层实现基于pcolorfast
- 快
- 不太好调整
- 网格未与单元格对齐
- 可能的参数:https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.axes.Axes.pcolorfast.html
df=pd.DataFrame(np.random.randint(0,100,size=(10,20)))fig_F1=imagesc.fast(df.values,df.index.values,df.columns.values)fig_F2=imagesc.fast(df.values,df.index.values,df.columns.values,grid=False)fig_F3=imagesc.fast(df.values,df.index.values,df.columns.values,grid=False,cbar=False)fig_F4=imagesc.fast(df.values,df.index.values,df.columns.values,grid=True,cbar=False)fig_F5=imagesc.fast(df.values,df.index.values,df.columns.values,cmap='rainbow')fig_F6=imagesc.fast(df.values,df.index.values,df.columns.values,cmap='rainbow',linewidth=0.5,grid=True)imagesc.savefig(fig_C1,'./docs/figs/fast1.png')
F1 F2 F3 F4 F5 F6 在
清洁
- 底层实现基于pcolorfast
- 快
- 无网格
- 有限的配置
- 非常适合拍照
- 可能的参数:https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.axes.Axes.pcolorfast.html
df=pd.DataFrame(np.random.randint(0,100,size=(10,20)))fig_FC1=imagesc.clean(df.values)fig_FC2=imagesc.clean(df.values,cmap='rainbow')imagesc.savefig(fig_C1,'./docs/figs/clean1.png')
F1 F2 在
绘图
- 底层实现基于imshow
- 实现将或多或少地表现为matlab
- 中速
- 各种配置是可能的,但少于seaborn
- 网格与单元格对齐
- 可能的参数:https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.imshow.html
df=pd.DataFrame(np.random.randint(0,100,size=(10,20)))fig_M1=imagesc.plot(df.values)fig_M2=imagesc.plot(df.values,cbar=False)fig_M3=imagesc.plot(df.values,cbar=False,axis=False)fig_M4=imagesc.plot(df.values,cbar=False,axis=True,linewidth=0.2)fig_M5=imagesc.plot(df.values,df.index.values,df.columns.values)fig_M6=imagesc.plot(df.values,df.index.values,df.columns.values,cbar=False,linewidth=0.2)fig_M7=imagesc.plot(df.values,df.index.values,df.columns.values,grid=True,cbar=False,linewidth=0.2)fig_M8=imagesc.plot(df.values,df.index.values,df.columns.values,grid=False,cbar=False,linewidth=0.2)fig_M9=imagesc.plot(df.values,df.index.values,df.columns.values,grid=True,cbar=False,linewidth=0.8,linecolor='#ffffff')fig_M10=imagesc.plot(df.values,df.index.values,df.columns.values,grid=True,cbar=False,linewidth=0.8,linecolor='#ffffff',cmap='rainbow')imagesc.savefig(fig,'./docs/figs/plot10.png')imagesc.savefig(fig_C1,'./docs/figs/fast1.png')
M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 在
速度:
importmatplotlib.imageasmpimgimg=mpimg.imread('./docs/figs/lenna.png')fig=imagesc.clean(img)# runtime 1.49fig=imagesc.fast(img,cbar=False,axis=False)# runtime: 2.931 secondsfig=imagesc.plot(img,linewidth=0,cbar=False)# runtime: 11.042
**快速** **清洁** **绘图** 在
在
引文
如果这对你的研究有用,请在你的出版物中引用imagesc。以下是BibTeX条目示例:
@misc{erdogant2019imagesc,title={imagesc},author={Erdogan Taskesen},year={2019},howpublished={\url{https://github.com/erdogant/imagesc}},}
参考文献
- 海生的 https://seaborn.pydata.org/generated/seaborn.heatmap.html
- 群集地图 https://seaborn.pydata.org/generated/seaborn.clustermap.html
- 又快又干净 https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.axes.Axes.pcolor.html
- 情节 https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.imshow.html
- 其他 https://matplotlib.org/3.1.1/gallery/images_contours_and_fields/image_annotated_heatmap.html
- 彩色地图 https://matplotlib.org/examples/color/colormaps_reference.html
维护人员
- 项目
标签: