如何用Plotly Imshow绘制图片

在本教程中，我将告诉你如何使用Plotly的imshow函数在Python中显示图像。

因此，我将解释px.imshow 的语法。我还将向你展示一个清晰的、逐步的例子，说明如何用Plotly显示图像。

目录

• 对Plotly imshow函数的快速介绍
• 的语法px.imshow()
• 例子

好的让我们开始吧

对Plotly imshow函数的快速介绍

Plotly的imshow函数有多种用途。

例如，你可以用这个函数来绘制热图，并将数字直观地绘制成颜色。

但使用该函数的最佳方式之一是显示图像。 (顾名思义，它的根本目的是用于 "图像显示"）。

因此，你可以使用Plotly imshow将图像可视化，作为图像处理工作流程的一部分。

在本教程中，我们将严格坚持绘制图像，如.jpg和.png文件，我们将在另一篇教程中介绍热图和其他技术。

px.imshow的语法

现在我已经让你快速了解了Plotly imshow函数的作用，让我们来看看其语法。

px.imshow的语法非常简单。

通常情况下，我们调用该函数为px.imshow() 。

记住：这个语法假设你已经导入了Plotly express，昵称为px 。你可以通过代码import plotly.express as px 。

px.imshow的输入

让我们快速讨论一下函数的输入。

在上面的语法解释中，你会注意到我称之为your_image 的输入。 这通常是一个.jpg或.png文件。

然而，通常情况下，在你用px.imshow绘制图片之前，你需要用一个单独的函数将其读入。 具体来说，你需要用一个类似scikit-image的imread() 的函数来读入图像。 我将在例子部分向你展示如何做到这一点。

例子：如何用Plotly Express将图像可视化

现在我们已经看过了语法，让我们来看看如何用Plotly Express绘制图像和图片的一些例子。

例子

• 用px.imshow 绘制一张图片
• 删除x轴和y轴上的刻度线标签

先运行这段代码

在你运行这些例子之前，你需要导入一些包并运行一些初步的代码。

导入软件包

首先，我们需要导入几个Python包。

import plotly.express as px
import skimage.io as skio

我们显然需要plotly.express 来运行px.imshow 函数。

我们还需要skimage 来导入我们的图像并将其读入我们的 Python 环境。

如果你没有这些包，那么你就需要先安装它们。 通常，这些天，我通过Anaconda安装我所有的Python包。 你可以在这里得到更多关于通过Anaconda安装skimage的信息。 你可以在这里获得更多关于安装Plotly的信息。

设置图像渲染

默认情况下，Plotly被设置为在浏览器窗口渲染图像。

所以，如果你使用像Spyder这样的集成开发环境来做你的数据科学工作，你需要设置它来渲染Plotly的绘图。 我使用Spyder，所以我需要自己做这个步骤。

注意：如果你使用的是Jupyter，你可以跳过这段代码。

要设置Plotly在你的IDE中把你的绘图渲染成svg图片，你可以运行以下代码。

import plotly.io as pio
pio.renderers.default = 'svg'

获取图片（即用scikit-image读入图片）

接下来，让我们得到一个可以绘图的图像。

imread() 该图像在sharpsightlabs.com的一个在线文件夹中，我们将使用skimage 的函数来读入它。

ron = skio.imread('https://www.sharpsightlabs.com/datasets/images/ron-smirk.png')

一旦你运行这段代码，你就可以开始了。

例子1:用px.imshow绘制一张图片

在这里，我们要用Plotly的imshow函数来 "绘制 "图片。

这是很简单的。

下面是代码。

px.imshow(ron)

这里是输出结果。

"这是科学。"

解释

好的这是很简单的。

我们调用了Plotly的imshow函数，语法是px.imshow() 。

在括号里，我们传入了一张图片。 该图片是 "ron-smirk.png "文件。 该文件被存储在变量名ron 。

从文件结尾可以看出，这是一个.png 文件。 但你也可以使用.jpg 文件，其他几种图像类型也应该可以。

实例2:删除X和Y轴上的刻度线标签

现在，我们将删除X轴和Y轴上的刻度线标签。

在例子1中，你可能注意到沿x轴和y轴的数字。 这些是轴的 "刻度 "标签。

对于某些应用来说，包括它们可能是好的，但在某些情况下，你可能想删除它们。

要删除它们，你需要使用update_xaxes() 方法和update_yaxes() 方法。 重要的是，在括号内，我们需要将showticklabels 参数设置为showticklabels = False 。

让我们来看看

(px.imshow(ron)
   .update_xaxes(showticklabels = False)
   .update_yaxes(showticklabels = False)
)

输出

解释

很明显，这里的输出与例1的输出几乎完全一样。

这里唯一的区别是，我们通过使用update_xaxes 和update_yaxes 删除了轴的刻度（即沿轴的数字）。

还请注意，我使用了一种特殊的技术来调用这些方法。 我把这些方法 "串联 "在一起，一个接一个，但它们是在多行上。

为了做到这一点，整个表达式被包围在括号内。

这与"秘密 "的pandas链式语法非常相似，它允许你将多个pandas方法链在一起，在单一的代码块中进行高级数据操作。

我强烈建议你学习这种将Python方法连锁起来的技术。 一旦你学会了如何正确使用它，它就会非常强大。

---

在这篇文章中，我向你展示了如何在Python中使用Plotly imshow函数（AKApx.imshow ）绘制图像。但要真正掌握使用Plotly的Python数据可视化，还有很多东西需要学习。