如何使用imshow使用Matplotlib绘制具有非线性y轴的图像?

你试过变换轴吗?例如:

ax = subplot(111)
ax.yaxis.set_ticks([0, 2, 4, 8])
imshow(data)

这意味着,对于不存在的坐标,数据中必须存在空白,除非有一种方法可以提供变换函数,而不仅仅是列表(从未尝试过)。

:

假设你的数据在一个数组中, a

class arr(object):
    @staticmethod
    def mylog2(x):
        lx = 0
        while x > 1:
            x >>= 1
            lx += 1
        return lx
    def __init__(self, array):
        self.array = array
    def __getitem__(self, index):
        return self.array[arr.mylog2(index+1)]
    def __len__(self):
        return 1 << len(self.array)

基本上,它将用 mylog2

然后将你的数组映射到这个数组,它不会在实例中创建副本,而是一个本地引用:

b = arr(a)

ax = subplot(111)
ax.yaxis.set_ticks([16, 8, 4, 2, 1, 0])
axis([-0.5, 4.5, 31.5, 0.5])
imshow(b, interpolation="nearest")

alt text http://img691.imageshack.us/img691/8883/clipboard01f.png

imshow specgram

PyWavelets :

from pylab import *
import pywt
import scipy.io.wavfile as wavfile

# Find the highest power of two less than or equal to the input.
def lepow2(x):
    return 2 ** floor(log2(x))

# Make a scalogram given an MRA tree.
def scalogram(data):
    bottom = 0

    vmin = min(map(lambda x: min(abs(x)), data))
    vmax = max(map(lambda x: max(abs(x)), data))

    gca().set_autoscale_on(False)

    for row in range(0, len(data)):
        scale = 2.0 ** (row - len(data))

        imshow(
            array([abs(data[row])]),
            interpolation = 'nearest',
            vmin = vmin,
            vmax = vmax,
            extent = [0, 1, bottom, bottom + scale])

        bottom += scale

# Load the signal, take the first channel, limit length to a power of 2 for simplicity.
rate, signal = wavfile.read('kitten.wav')
signal = signal[0:lepow2(len(signal)),0]
tree = pywt.wavedec(signal, 'db5')

# Plotting.
gray()
scalogram(tree)
show()

您可能还希望按级别自适应地缩放值。

附言-尽管这个问题现在已经很老了,但我想我会在这里回答,因为当我在寻找使用MPL创建标度图的方法时,谷歌上出现了这个页面。

matplotlib.image.NonUniformImage 。但这只会有助于实现非均匀轴——我认为你无法像你想的那样自适应地绘制(我认为图像中的每个点总是有相同的面积——所以你必须多次绘制更宽的行)。你有什么理由需要绘制完整的数组吗?显然,所有细节都不会出现在任何图中——所以我建议对原始矩阵进行大量降采样,这样你就可以根据需要复制行来获得图像,而不会耗尽内存。

如果你想两者都能缩放 和

from matplotlib import patches
axes = subplot(111)
axes.add_patch(patches.Rectangle((0.2, 0.2), 0.5, 0.5))

PS:在我看来,thrope的响应(matplotlib.image.NounformImage)实际上可以以一种比这里描述的“手动”方法更简单的方式做你想做的事情!