Python imshow：如何将两个<class'matplotlib.image.axesimage'=“”>合并为一个？

Question

我希望我的函数在显示两个< class 'matplotlib.image.AxesImage' > < class 'matplotlib.image.AxesImage' >之后返回单个imshow类型的对象：

def merge_class(array1,array2):
    plt.imshow(array1)
    plt.imshow(array2)
    return ?

我该怎么做？

我听说我可以保存整个数字，然后在我的程序中调用该文件，但我想避免这种情况。

我也看到我可以合并这些对象，但我不明白他们做了什么：Python : How to "merge" two class

编辑1：我想知道，因为我正在制作动画，而且一帧有两层：一张图片和一张数组。

movie.append([plt.imshow(merge_class(array1,array2), animated=True, interpolation='none', origin='lower')])

电影列表中的对象必须是< class 'matplotlib.image.AxesImage' >，如果我只在函数中返回plt.show()，则会返回None。

编辑2：我正在模拟森林大火。

在数组forest和forest_fire中：

• no tree = 0.0
• 非燃烧树= 1.0
• 燃烧树= 2.0

set_on_fire函数返回一个新的林，坐标（i，j）处的树着火。

如果至少有一个非刻录树可以刻录，则check_fire函数返回True。

spreading_fire函数返回一个新的森林，其中可以燃烧的树木着火。

以下是代码的一部分：

# maido is the name of a mountain and a forest

def img_maido(img_file,forest):
    fig, axes = plt.subplots()

    # 1) Opening the picture as an array
    img_array = plt.imread(img_file)
    img = np.copy(img_array[::-1,:,:]) # I flip it because it is upside down

    # 2) Hiding all the 'no tree' values (0.0)
    forest = np.ma.masked_where(forest == 0.0, forest) # The array is transparent at each one of the 'no tree' values position (0.0)

    # 3) The 'non-burning tree' values (1.0) are green and the 'burning tree' values (2.0) are red
    cmap = ListedColormap(['green','red'], 'indexed')

    # 4) Displaying the array 'img' of the mountain and the array 'forest' of the forest above it
    plt.imshow(forest,zorder=1, cmap=cmap, origin='lower')
    plt.imshow(img,zorder=0, origin='lower')

    return ? # Here is my issue


def fire_animation(img_file,forest,i,j,wind):
    fig, axes = plt.subplots()
    movie = []    

    # 1) Initialization
    forest_fire = set_on_fire(forest,i,j) # I put a 'burning tree' value (2.0) in the array 'forest' at the coordinates (i,j)
    movie.append([plt.imshow(img_maido(img_file,forest_fire), animated=True, cmap=cmap, interpolation='none', origin='lower')])
    plt.draw()

    # 2) Spread of fire
    while check_fire(foret,wind):
        forest_fire = spreading_fire(forest_fire,wind)
        movie.append([plt.imshow(img_maido(img_file,forest_fire), animated=True, interpolation='none', origin='lower')])
        plt.draw()

    # 3) Animation
    ani = animation.ArtistAnimation(fig, movie, interval=100, blit=True, repeat_delay=100)

    plt.draw()
    plt.show()

Answer 1

在这种情况下似乎没有理由使用数组来附加艺术家。您可以简单地使用一个为每次迭代更改数组的函数。

在下面的示例中，我们创建一个图形和一个轴，并将两个数组绘制成它们。每个图像都保存在一个变量中。

然后我们创建一个重复调用函数burn的动画。在这个函数中，我们操作其中一个数组并将新数据设置为其中一个图像，而另一个则不受影响。然后，更改的图像是此函数的返回值。注意，返回值后的,。这个逗号使返回值成为一个序列，这意味着，如果我们愿意，我们也可以更改两个图像并返回两者。但是，这不是必需的，因为在我们的情况下背景不会改变。

import matplotlib.pyplot as plt
import matplotlib.animation
import numpy as np

x = np.linspace(0,40)
X,Y = np.meshgrid(x,x)

static_array = (X/40.)**2+(Y/30.)**2 

dynamic_array = np.floor(np.random.random(X.shape)*1.1)
masked_dynamic_array = np.ma.masked_where(dynamic_array <=0.7 , dynamic_array)

fig, ax = plt.subplots()

static_image =  ax.imshow(static_array, cmap="terrain")
dynamic_image = ax.imshow(dynamic_array, cmap="magma")

def burn(i):
    rand = (np.random.random(X.shape)-0.3)
    new = dynamic_array + 0.1*rand
    dynamic_array[:,:] = new/new.max()
    masked_dynamic_array = np.ma.masked_where(dynamic_array <=0.7 , dynamic_array)
    dynamic_image.set_data(masked_dynamic_array)
    return dynamic_image,

ani = matplotlib.animation.FuncAnimation(fig, burn, interval=100, blit=True)

plt.show()

<小时/> 如果迭代次数未知，您可以先运行模拟，将生成的数组存储在列表中。完成后，使用此列表的长度作为动画帧数。

import matplotlib.pyplot as plt
import matplotlib.animation
import numpy as np

x = np.linspace(0,40)
X,Y = np.meshgrid(x,x)

static_array = (X/40.)**2+(Y/30.)**2 
dynamic_array = np.floor(np.random.random(X.shape)*1.1)


fig, ax = plt.subplots(figsize=(4,4))


static_image =  ax.imshow(static_array, cmap="terrain")
dynamic_image = ax.imshow(dynamic_array, cmap="magma", vmin=0., vmax=4.)

ims = []
while dynamic_array.mean() < 1.5:
    rand = (np.random.random(X.shape)-0.4)
    new = dynamic_array + 0.085*rand
    new[new > 4] = 4.
    dynamic_array[:,:] = new
    masked_dynamic_array = np.ma.masked_where(dynamic_array <=0.7 , dynamic_array)
    ims.append(masked_dynamic_array)

def burn(i):
    dynamic_image.set_data(ims[i])
    return dynamic_image,

plt.tight_layout()    
ani = matplotlib.animation.FuncAnimation(fig, burn, frames=len(ims), interval=100, blit=True)
ani.save(__file__+'.gif', writer='imagemagick', fps=10)
plt.show()