Python 绘制散射轮廓

在python中，如果我有一组数据

x, y, z

我可以和你一起散散步

import matplotlib.pyplot as plt
plt.scatter(x,y,c=z)

---

如何获得散射的

plt.contourf（x，y，z）

等高线

需要定期网格化数据。因此，您需要先插入数据：

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
# make up some randomly distributed data
seed(1234)
npts = 200
x = uniform(-2,2,npts)
y = uniform(-2,2,npts)
z = x*np.exp(-x**2-y**2)
# define grid.
xi = np.linspace(-2.1,2.1,100)
yi = np.linspace(-2.1,2.1,100)
# 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(-2,2)
plt.ylim(-2,2)
plt.title('griddata test (%d points)' % npts)
plt.show()

请注意，我无耻地从优秀的

中窃取了这段代码，您可以按照建议在以下情况下使用：

旧回复： 使用以下功能转换为contourf所需的格式：

from numpy import linspace, meshgrid
from matplotlib.mlab import griddata

def grid(x, y, z, resX=100, resY=100):
    "Convert 3 column data to matplotlib grid"
    xi = linspace(min(x), max(x), resX)
    yi = linspace(min(y), max(y), resY)
    Z = griddata(x, y, z, xi, yi)
    X, Y = meshgrid(xi, yi)
    return X, Y, Z

现在您可以执行以下操作：

X, Y, Z = grid(x, y, z)
plt.contourf(X, Y, Z)

---

解决方案将取决于数据的组织方式

规则网格上的数据 如果

x

和

y

数据已经定义了网格，则可以轻松地将其重塑为四边形网格。例如

#x  y  z
 4  1  3
 6  1  8
 8  1 -9
 4  2 10
 6  2 -1
 8  2 -8
 4  3  8
 6  3 -9
 8  3  0
 4  4 -1
 6  4 -8
 8  4  8 

可以使用

任意数据 A.插值 如果数据不在四边形网格上，可以在网格上插值数据。一种方法是

B非网格等高线 最后，无需使用四边形网格即可完全绘制等高线。这可以通过使用

---

比较后两种方法的示例见。

您从？导入griddata

从scipy.interpolate导入网格数据

或

从matplotlib.mlab导入网格数据

@JuanPablo，ups，您是对的，已修复（

从matplotlib.mlab导入网格数据

是正确的）.matplotlib.mlab import griddata自matplotlib 2.2版以来已弃用。

自matplotlib 2.2版以来已弃用：griddata函数在matplotlib 2.2中弃用，并将在3.1中删除。改用scipy.interpolate.griddata。

这里

plt.tricontourf（x，y，z，15）

，

15

是什么意思？当我使用

scipy.interpolate

的gridata时，程序运行了很长时间，这永远不会停止。这当然取决于您的数据，您在最初的帖子中没有指定。您肯定应该尝试使用

griddata

的

方法

参数。尝试

method=“nearest”

，这将提供最快的插值。

#x  y  z
 4  1  3
 6  1  8
 8  1 -9
 4  2 10
 6  2 -1
 8  2 -8
 4  3  8
 6  3 -9
 8  3  0
 4  4 -1
 6  4 -8
 8  4  8 

import matplotlib.pyplot as plt
import numpy as np
x,y,z = np.loadtxt("data.txt", unpack=True)
plt.contour(x.reshape(4,3), y.reshape(4,3), z.reshape(4,3))

import numpy as np
from scipy.interpolate import griddata

xi = np.linspace(4, 8, 10)
yi = np.linspace(1, 4, 10)
zi = griddata((x, y), z, (xi[None,:], yi[:,None]), method='linear')
plt.contour(xi, yi, zi)

plt.tricontour(x,y,z)