- Triplet: Warna-warna ini dapat digambarkan sebagai triplet nilai nyata — komponen warna merah, biru, dan hijau. Komponen harus dalam interval [0, 1]. Dengan demikian, sintaks Python (1.0, 0.0, 0.0) akan mengkode warna merah yang murni, sementara (1.0, 0.0, 1.0) muncul sebagai warna merah muda yang kuat.
- Quadruplets: Ini berfungsi sebagai triplet, dan komponen keempat mendefinisikan nilai transparansi. Nilai ini juga harus dalam interval [0, 1]. Saat merender gambar ke file gambar, menggunakan warna transparan memungkinkan untuk membuat angka yang menyatu dengan latar belakang.
- Predefined: Matplotlib akan menafsirkan nama warna standar HTML sebagai warna aktual. Misalnya, string "red" akan diterima sebagai warna dan akan diartikan sebagai merah terang. Beberapa warna memiliki alias satu huruf, yang ditunjukkan dalam tabel berikut: b=Blue, g=Green, r=Red, c=Cyan, m=Magenta, y=Yellow, k=Black, w=White
- HTML Color String: matplotlib dapat menafsirkan string warna HTML sebagai warna sebenarnya. String semacam ini didefinisikan sebagai #RRGGBB di mana RR, GG, dan BB adalah nilai 8-bit untuk komponen merah, hijau, dan biru dalam heksadesimal.
- Grey Level String: matplotlib akan menafsirkan representasi string dari nilai titik mengambang sebagai bayangan abu-abu, seperti 0,75 untuk abu-abu terang sedang.Mengatur warna plot kurva dengan mengatur parameter warna dari fungsi pyplot.plot () sebagai berikut:
import numpy as np
import matplotlib.pyplot as plt
def pdf(X, mu, sigma):
a = 1. / (sigma * np.sqrt(2. * np.pi))
b = -1. / (2. * sigma ** 2)
return a * np.exp(b * (X - mu) ** 2)
X = np.linspace(-6, 6, 1000)
for i in range(5):
samples = np.random.standard_normal(50)
mu, sigma = np.mean(samples), np.std(samples)
plt.plot(X, pdf(X, mu, sigma), color = '.75')
plt.plot(X, pdf(X, 0., 1.), color = 'k')
plt.show()
import matplotlib.pyplot as plt
def pdf(X, mu, sigma):
a = 1. / (sigma * np.sqrt(2. * np.pi))
b = -1. / (2. * sigma ** 2)
return a * np.exp(b * (X - mu) ** 2)
X = np.linspace(-6, 6, 1000)
for i in range(5):
samples = np.random.standard_normal(50)
mu, sigma = np.mean(samples), np.std(samples)
plt.plot(X, pdf(X, mu, sigma), color = '.75')
plt.plot(X, pdf(X, 0., 1.), color = 'k')
plt.show()
lanjut nanti ....
No comments:
Post a Comment