Python pcolor()极坐标图的微调

Python pcolor()极坐标图的微调,python,heatmap,polar-coordinates,radial,Python,Heatmap,Polar Coordinates,Radial,我有一个64x360矩阵的值属于径向和方位坐标。我想把它们想象成两个图:笛卡尔图和极坐标图。 我使用imshow在笛卡尔坐标系下可视化了热图: import numpy as np import matplotlib.pyplot as plt P=np.loadtxt('Pdata.csv') print np.shape(P) plt.imshow(P) plt.xlabel('radius') plt.ylabel('theta') plt.show() 这给了我想要的图: 使用pc

我有一个64x360矩阵的值属于径向和方位坐标。我想把它们想象成两个图:笛卡尔图和极坐标图。 我使用imshow在笛卡尔坐标系下可视化了热图:

import numpy as np
import matplotlib.pyplot as plt

P=np.loadtxt('Pdata.csv')
print np.shape(P)
plt.imshow(P)
plt.xlabel('radius')
plt.ylabel('theta')
plt.show()
这给了我想要的图:

使用pcolor,极坐标系中的同一绘图也非常精确:

r=np.arange(0,np.shape(P)[1],1)
t=np.arange(0,np.shape(P)[0],1)

R,T  = np.meshgrid(r,t)

fig = plt.figure()
ax = fig.add_subplot(111, polar = True)
ax.pcolor(T,R,P)   
plt.show()
然而,我对结果并不十分满意:


该图的分辨率似乎非常有限,因此无法像笛卡尔图那样区分强度较高和强度较低的角度。整个立体角似乎只分为六个或七个蛋糕楔。有没有一种简单的方法来提高角度分辨率

好吧,我发现了一些东西。它与:

t = np.radians(np.linspace(0, np.shape(P)[0],np.shape(P)[0]))
r = np.arange(0, np.shape(P)[1], 1)

如图所示:

您能提供一些示例数据吗?如果文件很长,请将其粘贴到粘贴箱中。整个文件太大。我已经把它的一半放进了一个粘贴箱:shape=360x26