Python 绘制散射轮廓
在python中,如果我有一组数据Python 绘制散射轮廓,python,matplotlib,contour,scatter-plot,Python,Matplotlib,Contour,Scatter Plot,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
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)