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

  • 20
Loading comments...

More from Nikodemus Karlsson