Python Matplotlib网格轮廓打印错误

我将python3与numpy、scipy和matplotlib一起使用，希望在绘图网格不等距的地方绘制一个简单的轮廓图。不幸的是，mlab.girddata似乎只适用于一维输入，但这不是我所需要的。我有以下坐标网格-（数组）：

虽然第一个坐标数组是统一的，但正如您所看到的，第二个坐标数组不是统一的。而且，因为即使列也不相同，我不能使用mlab.griddata：/

最后，应根据显示的坐标绘制以下数据数组：

我怎样才能正确地绘制这个？如果没有统一的网格，matplotlib不幸只能绘制一幅无用的图片：

代码如下：

coordsForPlot = np.transpose(np.tile(self.CoordsVert_HW12[1:], (15, 1)));
figHandler = plt.figure();

cont_HW_u12_mean = plt.contourf(self.CoordsHor, coordsForPlot, self.velHW_Raw_u12_mean, 40, linestyle=None);

谢谢

---

itpdg

如果您的数据是分散的，您可以使用一些三角测量（例如，或在规则网格上插值数据（也由@armatita建议）。我将向您展示后者

但首先：请仔细阅读@armatita之前提到的评论。这是给子孙后代的：

---

Matplotlib的行为对我来说似乎是正确的。这是假设你给了一个 将逻辑排序顺序添加到数据中，使单元格2显示在单元格后面 1.如果没有，它仍然会打印，但会使用您施加的变形。您需要取X和Y，展平它们（也是Z），并使用它们来 例如，插入到一个规则的网格中。这样你就可以绘制你的 结果。考虑提供数据以获得实际的工作示例。

首先，这是答案的基本思想。其次，明确要求你提供一些样本数据。这对想帮助你的回答者有很大帮助，这也有助于帮助提问者。我很无聊，所以我花时间复制了你的一部分数据的近似值来给出一个示例。然而，这很乏味，而且大多数回答者不会为你做这件事（在不久的将来我也不会为任何人做这件事）。请理解，通过提供一个最小的、完整的例子（也称为an），你可以让你的问题完全可以回答。每个人都赢了

现在开始。如果没有实际数据，我无法判断结果是否有意义。方法是创建一个规则网格，然后使用

scipy.interpolate.griddata

获得一个插值数据集，该数据集可以在以后输入

contourf

import numpy as np
import scipy.interpolate as interp
import matplotlib.pyplot as plt


# create weird dummy data
xmat = np.tile(np.arange(90,640,90)[:,None],[1,4])
ymat = np.array([[-70.,80,-70,60,-50,50,-50],
                 [-49,64,-49,48,-34,41,-34],
                 [-30,49,-30,38,-20,32,-20],
                 [-13,36,-13,28,-7,25,-7]]).T
zmat = np.tile(np.array([7.5,9,11,12,13,14,14])[:,None],[1,4])

# input data for griddata
points_in = np.array([xmat.ravel(),ymat.ravel()]).T
values = zmat.ravel()

# output mesh at which to interpolate
Ngrid = 50
xvals = np.linspace(xmat.min(),xmat.max(),Ngrid)
yvals = np.linspace(ymat.min(),ymat.max(),Ngrid)
xplot,yplot = np.meshgrid(xvals,yvals)

# interpolate
zplot = interp.griddata(points_in,values,(xplot,yplot),method='linear')

# plot
plt.figure()
plt.contourf(xplot,yplot,zplot,N=50)
plt.show()

---

如果您的数据是分散的，您可以使用一些三角测量（例如，或在规则网格上插值您的数据（如@armatita所建议的）。我将向您展示后者

但首先：请仔细阅读@armatita之前提到的评论。这是给子孙后代的：

---

Matplotlib的行为对我来说似乎是正确的。这是假设你给了一个 将逻辑排序顺序添加到数据中，使单元格2显示在单元格后面 1.如果没有，它仍然会打印，但会使用您施加的变形。您需要取X和Y，展平它们（也是Z），并使用它们来 例如，插入到一个规则的网格中。这样你就可以绘制你的 结果。考虑提供数据以获得实际的工作示例。

首先，这是答案的基本思想。其次，明确要求你提供一些样本数据。这对想帮助你的回答者有很大帮助，这也有助于帮助提问者。我很无聊，所以我花时间复制了你的一部分数据的近似值来给出一个示例。然而，这很乏味，而且大多数回答者不会为你做这件事（在不久的将来我也不会为任何人做这件事）。请理解，通过提供一个最小的、完整的例子（也称为an），你可以让你的问题完全可以回答。每个人都赢了

现在开始。如果没有实际数据，我无法判断结果是否有意义。方法是创建一个规则网格，然后使用

scipy.interpolate.griddata

获得一个插值数据集，该数据集可以在以后输入

contourf

import numpy as np
import scipy.interpolate as interp
import matplotlib.pyplot as plt


# create weird dummy data
xmat = np.tile(np.arange(90,640,90)[:,None],[1,4])
ymat = np.array([[-70.,80,-70,60,-50,50,-50],
                 [-49,64,-49,48,-34,41,-34],
                 [-30,49,-30,38,-20,32,-20],
                 [-13,36,-13,28,-7,25,-7]]).T
zmat = np.tile(np.array([7.5,9,11,12,13,14,14])[:,None],[1,4])

# input data for griddata
points_in = np.array([xmat.ravel(),ymat.ravel()]).T
values = zmat.ravel()

# output mesh at which to interpolate
Ngrid = 50
xvals = np.linspace(xmat.min(),xmat.max(),Ngrid)
yvals = np.linspace(ymat.min(),ymat.max(),Ngrid)
xplot,yplot = np.meshgrid(xvals,yvals)

# interpolate
zplot = interp.griddata(points_in,values,(xplot,yplot),method='linear')

# plot
plt.figure()
plt.contourf(xplot,yplot,zplot,N=50)
plt.show()

---

Matplotlib的行为在我看来似乎是正确的。它假设您为数据提供了一个逻辑排序序列，因此单元格2将显示在单元格1之后。如果不是，它仍会打印，但会随您施加的变形一起打印。您需要取X和Y，将其展平（也是Z）例如，你可以把它们插入到一个规则的网格中，而不是你可以绘制你的结果。考虑提供你的数据来获得一个实际的工作例子。.Matplotlib的行为在我看来似乎是正确的。它假设您为数据提供了一个逻辑排序序列，因此单元格2将显示在单元格1之后。如果不是，它仍会打印，但会随您施加的变形一起打印。您需要取X和Y，将其展平（也是Z）例如，你可以把它们插入到一个规则的网格中，而不是你可以绘制你的结果。考虑提供你的数据来得到一个实际的工作例子。我会从其他X列中的顺序开始（通过翻转它和Z中的相应行）。