Ich benutz zur Zeit nur pylab.plot(x,y,farbcode). Da kann ich entweder einzelne Pixel plotten, oder zuvor Pixel gleicher farbe in neuen arrays zusammenfassen und jede Farbe einzeln plotten.
Beides dauert zu lange. Gibts andere Möglichkeiten?
Bei pylab.quiver kann man anscheinend (nicht selbst probiert) ein drittes Farbcode-array angeben. Kann man quiver dazu bringen einzelne Pixel auszugeben anstelle der Pfeile?
effektive methode für vielfarbige plots in pylab?
- veers
- User
- Beiträge: 1219
- Registriert: Mittwoch 28. Februar 2007, 20:01
- Wohnort: Zürich (CH)
- Kontaktdaten:
'Suchst du das:
?
Code: Alles auswählen
pylab.plot(x1, y1, 'g^', x2, y2, 'g-')
[url=http://29a.ch/]My Website - 29a.ch[/url]
"If privacy is outlawed, only outlaws will have privacy." - Phil Zimmermann
"If privacy is outlawed, only outlaws will have privacy." - Phil Zimmermann
-
- User
- Beiträge: 120
- Registriert: Montag 4. Juni 2007, 19:19
Nein. Ich hab 3 arrays, alle bis zu 20 mio. Einträge lang: x-coord, y-coord, farbwert(oder jedensfalls ein wert, dem später eine farbe zugeordnet wird).
Und die will ich möglichst schnell plotten.
Am liebsten wär mir eine Funktion der Art: plot(x-array, y-array, farb-array, marker=",").
Ich kann nicht für jeden Pixel pylab.plot() neu aufrufen, das dauert ein ganzes Menschenleben.
Und je nach Farbe in neue Arrays umschichten und für jede Farbe einmal plotten dauert je nach Anzahl der Farben auch ewig. Im Moment mach ich das auf diese Weise, aber ich hab nur 8 verschiedene Graustufen, das geht noch. Fürs nächste Projekt brauch ich ca. 100.
Und die will ich möglichst schnell plotten.
Am liebsten wär mir eine Funktion der Art: plot(x-array, y-array, farb-array, marker=",").
Ich kann nicht für jeden Pixel pylab.plot() neu aufrufen, das dauert ein ganzes Menschenleben.
Und je nach Farbe in neue Arrays umschichten und für jede Farbe einmal plotten dauert je nach Anzahl der Farben auch ewig. Im Moment mach ich das auf diese Weise, aber ich hab nur 8 verschiedene Graustufen, das geht noch. Fürs nächste Projekt brauch ich ca. 100.
http://matplotlib.sourceforge.net/api/p ... t.contourf
oder
http://matplotlib.sourceforge.net/api/p ... lot.imshow
sollten dir da weiterhelfen
oder
http://matplotlib.sourceforge.net/api/p ... lot.imshow
sollten dir da weiterhelfen