python之等值线图tricontourf

15195775117

等值线图都有3个量：横轴x，纵轴y，中间的数据z

以M和N代表数组长度，对x,y,z的要求一般有以下3种：

1、M*N的x，M*N的y，M*N的z
2、M的x，N的y，M*N的z
3、M的x，M的y，M的z

使用help()查询了plt.contour()的语法，发现它只支持前2种，
但第3种也是非常常见的，这个问题一定要解决！
IDL语言的contour()直接支持这3种，由于之前就知道它使用三角网TRIANGULATE来插值，突然让我发现有个plt.tricontour()！
原来，对于第3种情况，matplotlib使用了另一个函数tricontour()，我去！

于是从网上找到了一个不错的例子：
https://matplotlib.org/gallery/images_contours_and_fields/irregulardatagrid.html#sphx-glr-gallery-images-contours-and-fields-irregulardatagrid-py

代码经过我重新注解如下：

import matplotlib.pyplot as plt
import matplotlib.tri as tri
import numpy as np

#以下代码生成 x,y,z 3个一维向量备用
N = 100
M = 200
x = np.random.uniform(-2, 2, M)#生成[-2,2]区间的M个随机数
y = np.random.uniform(-2, 2, M)#生成[-2,2]区间的M个随机数
z = x * np.exp(-x**2 - y**2)#根据x和y生成z


#新建窗口，有上下2个绘图窗，句柄分别是ax1和ax2：
fig,(ax1,ax2)=plt.subplots(nrows=2)


#以下步骤利用xyz生成xi,yi,zi
#xi是100个元素的数组，yi是200个的，zi是200行100列的
xi = np.linspace(-2.1, 2.1, N)#生成[-2.1,2.1]区间N个索引序列
yi = np.linspace(-2.1, 2.1, M)
triang = tri.Triangulation(x, y)
interpolator = tri.LinearTriInterpolator(triang, z)
Xi, Yi = np.meshgrid(xi, yi)
zi = interpolator(Xi, Yi)

print(xi.shape,yi.shape,zi.shape)#查看大小
#输出：(100,) (200,) (200, 100)

#xi,yi,zi的结构直接适用plt.contour语法
ax1.contour(xi, yi, zi, levels=14, linewidths=0.5, colors='k')#只有线条的等值线图
#注意这里contour和contourf的区别，带f的是填充的
cntr1 = ax1.contourf(xi, yi, zi, levels=14, cmap="RdBu_r")#填充色的等值线图
fig.colorbar(cntr1, ax=ax1)#添加色条
ax1.plot(x, y, 'ko', ms=3)#叠加散点
ax1.set(xlim=(-2, 2), ylim=(-2, 2))#坐标限
ax1.set_title('grid and contour')#标题

#以下x、y、z都是一维200个元素的向量，使用tricontour画等值线

print(x.shape,y.shape,z.shape)#查看大小
#输出：(200,) (200,) (200,)

ax2.tricontour(x, y, z, levels=14, linewidths=0.5, colors='k')#等值线条
cntr2 = ax2.tricontourf(x, y, z, levels=14, cmap="RdBu_r")#填色等值线图
fig.colorbar(cntr2,ax=ax2)#添加色条
ax2.plot(x, y, 'ko', ms=3)#叠加散点
ax2.set(xlim=(-2, 2), ylim=(-2, 2))#坐标限
ax2.set_title('tricontour')#标题

plt.subplots_adjust(hspace=0.5)#调整2个绘图窗的距离
plt.show()#显示图

15195775117

网格化应用案例

把不规则散点转化为规则网格，IDL使用triGrid函数来实现，python使用scipy中的griddata

import numpy as np
from scipy.interpolate import griddata
import matplotlib.pyplot as plt

#散点位置与其值：
def func(x, y):
    return x**2+y**2
points = np.random.rand(100,2)#实际点坐标
values = func(points[:,0],points[:,1])#实际点的值

#规则点的位置：
x=np.linspace(0,1,11)
y=np.linspace(0,1,11)
xx,yy= np.meshgrid(x,y)
xx=xx.reshape(121,1)
yy=yy.reshape(121,1)
point_grid=np.hstack((xx,yy))

#从散点位置和值计算出规则位置的值：
grid_z0 = griddata(points, values, point_grid, method='nearest')

#绘制不规则点：
plt.scatter(points[:,0],points[:,1],c=values,cmap='rainbow')
#绘制插值后的规则点：
plt.scatter(point_grid[:,0],point_grid[:,1],c=grid_z0,marker='*',cmap='rainbow')
#添加网格线：
for i in np.arange(0,1.1,0.1):
    plt.axhline(y=i,c='k',lw=1,ls='--')
    plt.axvline(x=i,c='k',lw=1,ls='--')
plt.show()

15195775117

等值线条的选择与标值

#该用例实现IDL的c_value关键字的功能，即选择性画等值线条，并标值
import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np
#字体设置：
plt.rcParams['font.family'] = 'Microsoft YaHei'
plt.rcParams['font.size'] = 12

s=np.linspace(-1,1,100)
x,y=np.meshgrid(s,s)#网格化
fig,(ax1,ax2)=plt.subplots(ncols=2)
z=x*y#构造个鞍型场
cs1=ax1.contour(x,y,z,
               np.arange(np.min(z),np.max(z),0.1),#画哪些线
               cmap='rainbow')
ax1.clabel(cs1,fmt='%.1f')#等值线标值格式

cs2=ax2.contourf(x,y,z,cmap='rainbow')
cs3=ax2.contour(x,y,z,
               np.arange(np.min(z),np.max(z),0.1),#画哪些线
               colors='k')
ax2.clabel(cs3,fmt='%.1f')#等值线标值格式
plt.colorbar(cs2)#显示色条

plt.show()

wsjqxjy

{:eb502:}{:eb502:}

cuishun

非常细致

lm8005507771

学习了！！！

咖喱嫑洋葱

{:eb502:}

量子侠

谢谢楼主大大

开心耗子

谢谢楼主！

mezhe

学习了，学习了！