Python 不同x数据的stackplot
在matplotlib中使用相等的Python 不同x数据的stackplot,python,matplotlib,Python,Matplotlib,在matplotlib中使用相等的x数据进行堆叠打印,与 from matplotlib import pyplot as plt x0 = [0.0, 0.5, 2.0] y0 = [1.0, 1.5, 1.0] # x1 = [0.0, 1.5, 2.0] y1 = [1.0, 1.5, 1.0] plt.stackplot(x0, (y0, y1)) plt.show() 是否也可以用不同的x数据堆叠两个绘图?似乎不可能。如果查看,则这是绘制堆叠打印本身的零件: # Color b
x
数据进行堆叠打印,与
from matplotlib import pyplot as plt
x0 = [0.0, 0.5, 2.0]
y0 = [1.0, 1.5, 1.0]
# x1 = [0.0, 1.5, 2.0]
y1 = [1.0, 1.5, 1.0]
plt.stackplot(x0, (y0, y1))
plt.show()
是否也可以用不同的
x
数据堆叠两个绘图?似乎不可能。如果查看,则这是绘制堆叠打印本身的零件:
# Color between array i-1 and array i
for i in xrange(len(y) - 1):
color = axes._get_lines.get_next_color()
r.append(axes.fill_between(x, stack[i, :], stack[i + 1, :],
facecolor=color,
label= six.next(labels, None),
**kwargs))
因此,它将始终对所有堆栈使用相同的x
另一方面,您可以为叠加图创建一个新的x
数组,并包含所有不同x
数组中的所有值,然后使用线性插值计算缺少的y堆栈值
使用插值的可能解决方案如下所示:
from matplotlib import pyplot as plt
def interp_nans(x, y):
is_nan = np.isnan(y)
res = y * 1.0
res[is_nan] = np.interp(x[is_nan], x[-is_nan], y[-is_nan])
return res
x = np.array([0.0, 0.5, 1.5, 2.0])
y0 = np.array([1.0, 1.5, np.nan, 1.0])
y1 = np.array([1.0, np.nan, 1.5, 1.0])
plt.stackplot(x, (interp_nans(x, y0), interp_nans(x, y1)))
plt.show()
但如果在这种情况下不能使用插值,那么它将不起作用