通过python的matplotlib.pyplot.contourf分散x、y、z

大多数pyplot示例都使用线性数据，但如果数据是分散的呢？ x=3,7,9 y=1,4,5 z=20,3,7

contourf的更好网格 席= NP.LeSnimeMex-1，Max x + 1, 9 yi=np.linspaceminy-1，maxy+1，9 十、 Y=np.xi，yi

现在z数据被插值到网格上。 在这里，numpy.interp没有什么帮助，而 Zi= MatPultLIB，MLab.GrDATAX，Y，Z，席，彝，Int=线性 返回相当奇怪的结果

下面第二个答案中的scipy.interpolate.griddata cubic需要其他东西来返回数据，而不是nils

对于自定义级别数据，countourf将只在数据网格中工作。如果数据是分散的，则需要创建与数据匹配的插值网格，如下所示：注意，需要使用scipy来执行插值

import numpy as np
from scipy.interpolate import griddata
import matplotlib.pyplot as plt
import numpy.ma as ma
from numpy.random import uniform, seed

# your data
x = [3,7,9]
y = [1,4,5]
z = [20,3,7]

# define grid.
xi = np.linspace(0,10,300)
yi = np.linspace(0,6,300)
# grid the data.
zi = griddata((x, y), z, (xi[None,:], yi[:,None]), method='cubic')
# contour the gridded data, plotting dots at the randomly spaced data points.
CS = plt.contour(xi,yi,zi,15,linewidths=0.5,colors='k')
CS = plt.contourf(xi,yi,zi,15,cmap=plt.cm.jet)
plt.colorbar() # draw colorbar
# plot data points.
plt.scatter(x,y,marker='o',c='b',s=5)
plt.xlim(min(x),max(x))
plt.ylim(min(y),max(y))
plt.title('griddata test (%d points)' % len(x))
plt.show()

有关该代码的来源，请参阅。

countourf将仅用于数据网格。如果数据是分散的，则需要创建与数据匹配的插值网格，如下所示：注意，需要使用scipy来执行插值

import numpy as np
from scipy.interpolate import griddata
import matplotlib.pyplot as plt
import numpy.ma as ma
from numpy.random import uniform, seed

# your data
x = [3,7,9]
y = [1,4,5]
z = [20,3,7]

# define grid.
xi = np.linspace(0,10,300)
yi = np.linspace(0,6,300)
# grid the data.
zi = griddata((x, y), z, (xi[None,:], yi[:,None]), method='cubic')
# contour the gridded data, plotting dots at the randomly spaced data points.
CS = plt.contour(xi,yi,zi,15,linewidths=0.5,colors='k')
CS = plt.contourf(xi,yi,zi,15,cmap=plt.cm.jet)
plt.colorbar() # draw colorbar
# plot data points.
plt.scatter(x,y,marker='o',c='b',s=5)
plt.xlim(min(x),max(x))
plt.ylim(min(y),max(y))
plt.title('griddata test (%d points)' % len(x))
plt.show()

有关该代码的来源，请参阅。

发生的情况如下：

虽然轮廓需要网格数据，但我们可以将散布数据分为网格，然后使用屏蔽阵列屏蔽空白区域。我在下面的代码中对此进行了模拟，创建了一个随机数组，然后使用它来屏蔽底部显示的测试数据集。大部分代码取自

情况就是这样：

虽然轮廓需要网格数据，但我们可以将散布数据分为网格，然后使用屏蔽阵列屏蔽空白区域。我在下面的代码中对此进行了模拟，创建了一个随机数组，然后使用它来屏蔽底部显示的测试数据集。大部分代码取自

---

问题是如何通过自定义级别的contourf填充颜色显示此数据网格+数据，无轮廓，然后应用到mpl_工具包的带有shapefile的Basemap，但这是另一个步骤。您的重点是什么？您只需要使用掩码数组，如下所述。如果你想要填充轮廓，只需要加上CS2=plt.contourfX，Y，Z，20。在我们做掩蔽之前，我们需要Z在zi上插值，对吗？数据x＝3，7，9，y＝1，4，5，z＝20.3，7网格：席＝np-林空间EMX-1，Max x + 1, 9，y= npLnSuleMeMy-1，MAXY + 1, 9 x，y= np.MeHGRIDXI，Yi时间为Z>＞Zi网格网格NUMP.ZI= MatPultLIB .MLab.GrdDATAX，Y，Z，XI，Ii，InP＝线性ScPy.Idtual.GrIDATA数据立方，从第二个答案需要其他数据来返回而不是NILLSY问题是如何通过自定义的级别，席形填充的颜色显示数据网格+数据，没有轮廓，然后用SabFEFLE应用到MPLA工具包的BaseMax，但这是另一个步骤。你卡在上面的是什么？您只需要使用掩码数组，如下所述。如果你想要填充轮廓，只需要加上CS2=plt.contourfX，Y，Z，20。在我们做掩蔽之前，我们需要Z在zi上插值，对吗？数据x＝3，7，9，y＝1，4，5，z＝20.3，7网格：席＝np-林空间EMX-1，Max x + 1, 9，y= npLnSuleMeMy-1，MAXY + 1, 9 x，y= np.MeHGRIDXI，Yi时间为Z>＞Zi网格网格NUMP.Zi= MatPultLIB，MLab.GrDATAX，Y，Z，席，彝，interp=linear scipy.interpolate.griddata uuData从下面的第二个答案返回数据需要其他东西，而不是nilsLet检查numpy.interp和matplotlib.mlab.griddata在这里可以做什么。即使使用固定的xi/yi范围，zi也充满了nan，contour对我来说没有任何效果，在确定阵列的范围之后。席= NP，林空间0，10300；yi=np.linspace0,6300。让我们检查一下numpy.interp和更直接的matplotlib.mlab.griddata在这里可以做什么。即使在固定的xi/yi范围内，在固定数组范围后，zi也充满了nan，而contour对我来说不起任何作用。席= NP，林空间0，10300；yi=np.linspace0,6300。