如何将 Xarray 图 xr.ufuncs.log(data_slice).plot(cmap='magma', vmin=0, vmax = max_value*.7) 转换为 matplotlib 图？答案

【问题标题】：How do I convert the Xarray plot xr.ufuncs.log(data_slice).plot(cmap='magma', vmin=0, vmax = max_value*.7) into the matplotlib plot?如何将 Xarray 图 xr.ufuncs.log(data_slice).plot(cmap='magma', vmin=0, vmax = max_value*.7) 转换为 matplotlib 图？
【发布时间】：2020-10-09 01:32:03
【问题描述】：

所以基本上我有一个 Xarray 和一个 NumPy 数组来表示频谱图的相同数据。以下代码用于以非常清晰的方式绘制 Xarray（它将频谱图切割到最大值以上）

plt.figure(figsize=(3,5))
data_slice = data['__xarray_dataarray_variable__'].sel(slices=41625.0)
max_value = np.log(data.sel(slices=slice(67.5, 5.999625e+05)).max(xr.ALL_DIMS)['__xarray_dataarray_variable__'].values)
xr.ufuncs.log(data_slice).plot(cmap='magma', vmin=0, vmax = max_value*.7)

这里我们有 Xarray -> 数据，我们选择其中的一个特定部分，然后使用 xf.plot 绘制它。同样，我有一个形状为 (256, 12333) 的 Numpy 数组，其中 12333 代表时间戳的数量，256 代表频率区间。我如何将我的绘图告诉鞋子数据，直到我需要绘制的东西中的最大值？我想这样做，以便获得频谱图的放大图像，以便我可以清楚地看到声音。截至目前，我一直在绘制我的 numpy 数组 -

plt.imshow(data[:, 30:100])

【问题讨论】：

标签： python numpy matplotlib plot python-xarray

【解决方案1】：

为什么不直接将其转换为 DataArray？

然后您将利用 xarray 的绘图实用程序。

特别是，您将能够使用 robust=True kwarg 自动从动态颜色范围中删除潜在的异常值。

还有自动标注，使用"long_name"属性。

freq_count, time_count = 256, 12333

data = np.random.randn(freq_count, time_count)

da = xr.DataArray(
    dims=("frequency", "time"),
    data=data,
    coords=dict( 
        frequency=np.arange(freq_count), 
        time=np.arange(time_count), 
    ), 
    attrs=dict(long_name="Spectral intensity over time") 
)

绘图：

fig, axes = plt.subplots(ncols=2)
da.plot.imshow(robust=False, ax=axes[0])
da.plot.imshow(robust=True, ax=axes[1])
plt.show()

robust=False 图和robust=True 图之间的比较：

【讨论】：