使用matplotlib标准化数据并应用色彩映射会产生旋转图像？

Question

所以我想知道我是否可以使用matplotlib制作分形火焰，并认为一个好的测试将是sierpinski三角形。我通过将x范围从-2,2到0,400以及y范围从0,2到0,200归一化来修改我刚刚执行混沌游戏的工作版本。我还将x和y坐标截断为2小数位并乘以100，以便坐标可以放入我可以应用颜色贴图的矩阵中。这是我正在处理的代码（请原谅杂乱）：

import numpy as np
import matplotlib.pyplot as plt
import math
import random

def f(x, y, n):
    N = np.array([[x, y]])

    M = np.array([[1/2.0, 0], [0, 1/2.0]])

    b = np.array([[.5], [0]])
    b2 = np.array([[0], [.5]])

    if n == 0:
        return np.dot(M, N.T)

    elif n == 1:
       return np.dot(M, N.T) + 2*b

    elif n == 2:
        return np.dot(M, N.T) + 2*b2

    elif n == 3:
        return np.dot(M, N.T) - 2*b

def norm_x(n, minX_1, maxX_1, minX_2, maxX_2):
    rng = maxX_1 - minX_1
    n = (n - minX_1) / rng

    rng_2 = maxX_2 - minX_2
    n = (n * rng_2) + minX_2

    return n

def norm_y(n, minY_1, maxY_1, minY_2, maxY_2):
    rng = maxY_1 - minY_1
    n = (n - minY_1) / rng

    rng_2 = maxY_2 - minY_2
    n = (n * rng_2) + minY_2

    return n    

# Plot ranges
x_min, x_max = -2.0, 2.0
y_min, y_max = 0, 2.0

# Even intervals for points to compute orbits of
x_range = np.arange(x_min, x_max, (x_max - x_min) / 400.0)
y_range = np.arange(y_min, y_max, (y_max - y_min) / 200.0)

mat = np.zeros((len(x_range) + 1, len(y_range) + 1))   

random.seed()

x = 1
y = 1

for i in range(0, 100000):
    n = random.randint(0, 3)
    V = f(x, y, n)

    x = V.item(0)
    y = V.item(1)

    mat[norm_x(x, -2, 2, 0, 400), norm_y(y, 0, 2, 0, 200)] += 50

plt.xlabel('x0')
plt.ylabel('y')
fig = plt.figure(figsize=(10,10))
plt.imshow(mat, cmap="spectral", extent=[-2,2, 0, 2])
plt.show()

这里的数学看起来很稳固，所以我怀疑在处理“mat”矩阵中的事物以及那里的值如何与colormap相对应时，我会如何处理奇怪的事情。

Answer 1

如果我正确理解您的问题，您需要使用.T方法转置矩阵。所以只需替换

fig = plt.figure(figsize=(10,10))
plt.imshow(mat, cmap="spectral", extent=[-2,2, 0, 2])
plt.show()

通过

fig = plt.figure(figsize=(10,10))
ax = gca()
ax.imshow(mat.T, cmap="spectral", extent=[-2,2, 0, 2], origin="bottom")
plt.show()

参数origin=bottom告诉imshow将矩阵的原点放在图的底部。

希望它有所帮助。