Python Array的二維與三維空間原理，以及畫圖補充

由於之後要做數據分析的學習，所以這兩天開始在看關於array的一些教學，由於python沒有array的這項功能,或是可以說是list就是python的array．

所以在外掛nympy裡就提供了array的這項功能． 因為我matlab也是工作後才第一次碰，所以很多東西都用的不是很熟悉，碰到python後，以為他的矩陣概念是跟matlab一樣，直到看到三維時，導入圖片時發現rgb的排列方式跟我在matlab不同．由於之前看到的既定印象，又看到說matplotlib等很多概念都源自於matlab，所以又卡住了...還好看到youtube一篇老外在講解ㄇarray原理，用圖解方式每個pixel在三維矩陣的意義後才恍然大悟．

以下是我學習到的代源碼以及影片：

#以下兩個test都是在測試矩陣轉圖出來效果

# Test  1 :

a = np.array([1,1,1])

a.shape

b = np.array([2,2,2])

np.vstack((a,b))

a = np.array([1,1,1])[np.newaxis,:]

b = np.array([2,2,2])[newaxis,:]

np.concatenate((a,b),axis =0)

np.hstack((a,b))

a[np.newaxis,:].shape

a[:,np.newaxis].shape

a = np.array([1,1,1])[:,np.newaxis]

b = np.array([2,2,2])[:,newaxis]

np.vstack((a,b))

np.concatenate((a,b),axis = 0)

 

 

# Test  2:

from skimage import io

import matplotlib

import scipy

img=io.imread('stinkbug.png')

io.imshow(img)

img

img.shape

img[0].shape

plt.show()

 

 

 

 

a = np.arange(12).reshape((3,4))

b = np.array([[255,155,255],[0,255,140]])

plt.imshow(b, interpolation ='nearest',cmap ='Blues',origin ='upper')

plt.colorbar()

plt.show()

plt.colormaps()

 

RGB_Pic = np.array([ [[100,0,0],[0,100,0],[0,0,100]],[[0,50,0],[50,0,0],[0,0,50]]     ])

plt.imshow(RGB_Pic,interpolation ='nearest')

xbar = np.arange(0,3,1)

plt.xticks(xbar)

plt.show()

 

 

 

 

t1 = np.random.random(3)

t2 = np.random.random(3)

t3 = np.random.random(3)

t4 = np.random.random(3)

t5 = np.random.random(3)

t6 = np.random.random(3)

t7 = np.random.random(3)

t8 = np.random.random(3)

t9 = np.random.random(3)

 

Pic = np.array([ [t1,t2,t3],[t4,t5,t6],[t7,t8,t9]    ])

plt.imshow(Pic,interpolation ='nearest')

 

xbar = np.arange(0,3,1)

plt.xticks(xbar)

plt.show()

 

 

 

 

 

#這邊主要是學習在圖片上劃入格線的方式，主要是用plt.xticks的方式在座標軸置入線

 

import numpy as np

from pylab import *

import matplotlib.pyplot as plt

import random

 

# Set grid line

major_ticks = np.arange(0, 101, 20)

minor_ticks = np.arange(0, 101, 5)

plt.xticks(major_ticks)

plt.xticks(minor_ticks)

plt.yticks(major_ticks)

plt.yticks(minor_ticks)

plt.grid(which='both')

# or if you want differnet settings for the grids:

plt.grid(which='minor', alpha=0.4)

plt.grid(which='major', alpha=0.4)

 

# Set sin(x) plot

number = 256

x = np.linspace(-np.pi,np.pi,number)

y = np.sin(x)

 

c1 =np.random.random()

c2 =np.random.random()

c3 =np.random.random()

plt.plot(x,y,color =( c1, c2, c3 ), linewidth =2.0, label = 'sin(x)')

legend(loc ='upper left')

plt.xlabel('x', fontsize = 10.0)

plt.ylabel('y',fontsize = 10.0, rotation=0)

 

justrange = np.arange(-4,5,1)

justrange_y = np.arange(-2,3,1)

plt.xticks(justrange)

plt.yticks(justrange_y)

 

plt.show()

出來效果：

以下是針對一維,二維,三維的圖解．
總之概念就是一維就是橫向增加，所以長方形是橫躺著往右延長（此時是一個中括號）
二維就是往下堆疊，一樣是一維的長方形做堆堆（此時是兩個中括號，裡面的是限制一維的長方形，外面的則是限制y方向的堆疊）
三維的話就是三個中括號，最裡面的是每個長方向像素的rgb值，中間的是限制長方向的像素，最外面是限制y方向的像素

如圖， 第一張圖，4就是一維的中括號裡面有四個值
第二張圖，3*4 就是二維的y方向堆疊三層，x方向堆疊四個
第三張圖，3*4*3，第一個3是y方向的三層堆疊,4是長方向有4個像素，第二個3則是說明每個像素的rgb三個訊號值． 所以第三張圖是3*4*3=36個像素

與matlab不樣的是matlab是一個矩陣分層多層代表不同維度，而python則是在一個矩陣裡直接放入rgb的資訊在裡面．這也就是我一開始卡住困惑的地方． 

網址連結： 

Image Recognition and Python part 2

Image Recognition and Python part 3

這封郵件來自 Evernote。Evernote 是您專屬的工作空間，免費下載 Evernote