import numpy as np
import matplotlib.pyplot as plt
myData = np.array(
[[1., 0., 1.],
[0., 1., 0.],
[1., 0., 1.]])
plt.imshow(myData)
plt.show()


import numpy as np
import matplotlib.pyplot as plt
# Vi skapar en kvadratisk matris med sidan 15
side = 15
# Initiera en array med nollor, här storlek 15x15
myData = np.zeros(shape=(side, side))
# Arrayen fylls med data i en nästlad loop,
# shape[0] är dimensionen i x-led (här samma som i y-led).
# Används för att enkelt kunna uppdatera storleken ovan.
for i in range(side):
for j in range(side):
# Här måste ett trick tas till: Variabeln side är satt till 15,
# men arrayen indexeras från 0 till 14. Därför måste värdet
# sänkas ett steg. Denna if-sats skiljer de rutor som matchar
# en regel från de som inte gör det.
# Vår regel här är att skilja ut de rutor som går som ett kryss.
if (i == j or j == (side - 1) - i):
# Här sätts olika värden (ger olika färger) på rutorna som matchar
myData[i, j] = i
else:
# De rutor som inte matchar får en och samma färg
myData[i, j] = -10
# Plotta själva datan; extent och origin ser till att koordinat-
# systemet blir som vi är vana vid.
plt.imshow(myData, extent=[0, 1, 0, 1],
origin='lower')
# Man kan välja om axelvärdena ska visas
plt.axis('on')
# Likaså "färgnyckeln"
plt.colorbar()
# Skriv ut upplösningen på bitmapen
plt.text(0.4, -0.15, f'{side}x{side}')
plt.show()
Exempel på bitmaps



Din tur!
Enbart två värden i denna bitmap!
Flera värden ger denna färgskala i mönstret!
Enbart två värden, men här är utmaningen att få till det förskjutna mönstret.
Visualisering av matriser
By Nikodemus Karlsson
Visualisering av matriser
- 224