Python xyz数据中的Matplotlib轮廓：griddata索引无效

我正在尝试使用以下格式的文件的matplotlib绘制等高线图：

x1 y1 z1

x2 y2 z2

等

我可以用numpy.loadtxt加载它来获得向量。到目前为止，没有问题

我读这篇文章是为了学习如何绘图，并且可以通过复制粘贴来复制它，因此我确信我的安装没有问题：

我知道我必须输入x和y作为向量，z作为数组，这可以通过griddata完成。这也是我在这个网站上发现的

文件说：

Zi= GrDATA（x，y，z，席，yi）适合于z＝f*（*x，y）形式的表面到（通常）非均匀间隔向量（x，y，z）中的数据。griddata（）在（xi，yi）指定的点处插值该曲面以生成zi。席和彝必须描述一个规则的网格，可以是1D或2D，但必须是单调递增的。

为了示例，我编写了以下代码：

将numpy导入为np
将matplotlib.pyplot作为plt导入
将matplotlib.mlab导入为ml
x=np.linspace（1,10,20）
y=np.linspace（1,10,20）
z=np.linspace（1,2,20）
xi=np.linspace（1,10,10）
yi=np.linspace（1,10,10）
Zi= ML.GRIDDATA（x，y，z，席，彝）

但是，对于griddata，我会遇到以下错误： 索引器：索引无效

因此，我尝试对文档的示例进行一些修改，如下所示：

从matplotlib.mlab导入网格数据
将matplotlib.pyplot作为plt导入
将numpy作为np导入
x=np.linspace（-2.1,2.1300）
y=np.linspace（-2.1,2.1300）
z=x*np.exp（-x**2-y**2）
#定义网格。
席＝NP·林空间（-2.1,2.1100）
yi=np.linspace（-2.1,2.1200）
#网格化数据。
ZI= GRIDATDATA（X，Y，Z，席，Y，Ip= =‘线性’）

我得到了同样的错误。我不明白出了什么问题

谢谢你的帮助。

考虑一下：

x = np.linspace(1., 10., 20)
y = np.linspace(1., 10., 20)
z = np.linspace(1., 2., 20)

这意味着我们知道沿直线

x=y

的某些点的z值

从那里

zi = ml.griddata(x,y,z,xi,yi)

要求

mlab.griddata

外推矩形网格中所有点的

z

值

我们已经给出了很多关于

z

如何沿这条线变化的信息，但是没有给出关于

z

如何沿垂直方向（远离

x=y

线）变化的信息。由于

mlab.griddata

拒绝猜测，正在引发错误

如果您的初始

x

，

y

数据分布更加随机，您将获得更好的结果：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.mlab as ml

ndata = 10
ny, nx = 100, 200
xmin, xmax = 1, 10
ymin, ymax = 1, 10
# x = np.linspace(1, 10, ndata)
# y = np.linspace(1, 10, ndata)

x = np.random.randint(xmin, xmax, ndata)
y = np.random.randint(ymin, ymax, ndata)
z = np.random.random(ndata)

xi = np.linspace(xmin, xmax, nx)
yi = np.linspace(ymin, ymax, ny)
zi = ml.griddata(x, y, z, xi, yi)

plt.contour(xi, yi, zi, 15, linewidths = 0.5, colors = 'k')
plt.pcolormesh(xi, yi, zi, cmap = plt.get_cmap('rainbow'))

plt.colorbar() 
plt.scatter(x, y, marker = 'o', c = 'b', s = 5, zorder = 10)
plt.xlim(xmin, xmax)
plt.ylim(ymin, ymax)
plt.show()

---

如果希望

mlab.griddata

沿

x=y

线以任意方式将数据外推到整个网格，可以添加两个额外的边界点

（xmin，ymax，z[0]）

和

（xmax，ymin，z[-1]）

：

---

好的，我终于找到了绘制它的解决方案。对于那些感兴趣的人来说，这里有一个诀窍：使用Scipy中的griddata和“最近的”方法

从scipy.interpolate导入网格数据
将numpy作为np导入
将matplotlib.pyplot作为plt导入
x=np.linspace（1,10,20）
y=np.linspace（1,10,20）
z=z=np.random.random（20）
xi=np.linspace（1,10,10）
yi=np.linspace（1,10,10）
十、 Y=np.meshgrid（xi，yi）
Z=griddata（（x，y），Z，（x，y），method='nearest'）
轮廓曲线图（X，Y，Z）

这是一种奇怪的行为，我确信Matlab不会对此抱怨。scipy.interpolate.griddata可以使用最近的方法很好地工作，但需要重新运行向量。那么，是否有内置函数从矢量z生成一个矩阵，该矩阵可被contour（）接受？我在上面运行模拟的网格是规则的，因此如果我得到你的点，我将无法使用griddata…感谢你的帮助，你的方法对于我希望做的工作也很好，并允许我使用mlab.griddata锁定我的错误。这个示例不适用于我，使用baseMap。它还需要以下行：

xi，yi=np.meshgrid（xi，yi）

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.mlab as ml

np.random.seed(8)
ndata = 10
ny, nx = 100, 200
xmin, xmax = 1, 10
ymin, ymax = 1, 10
x = np.linspace(1, 10, ndata)
y = np.linspace(1, 10, ndata)
z = np.random.random(ndata)
x = np.r_[x,xmin,xmax]
y = np.r_[y,ymax,ymin]
z = np.r_[z,z[0],z[-1]]
xi = np.linspace(xmin, xmax, nx)
yi = np.linspace(ymin, ymax, ny)


# Requires installation of natgrid
# http://sourceforge.net/projects/matplotlib/files/matplotlib-toolkits/
zi = ml.griddata(x, y, z, xi, yi, interp='nn')

# Or, without natgrid:
# zi = ml.griddata(x, y, z, xi, yi, interp='linear')

plt.contour(xi, yi, zi, 15, linewidths = 0.5, colors = 'k')
plt.pcolormesh(xi, yi, zi, cmap = plt.get_cmap('rainbow'))

plt.colorbar() 
plt.scatter(x, y, marker = 'o', c = 'b', s = 10, zorder = 10)
plt.xlim(xmin, xmax)
plt.ylim(ymin, ymax)
plt.show()