使用python?matplotlib?contour畫等高線圖的詳細(xì)過(guò)程講解
函數(shù)畫圖
以 z = x 2 + y 2 為例
#導(dǎo)入模塊 import numpy as np import matplotlib.pyplot as plt #建立步長(zhǎng)為0.01，即每隔0.01取一個(gè)點(diǎn) step = 0.01 x = np.arange(-10,10,step) y = np.arange(-10,10,step) #也可以用x = np.linspace(-10,10,100)表示從-10到10，分100份 #將原始數(shù)據(jù)變成網(wǎng)格數(shù)據(jù)形式 X,Y = np.meshgrid(x,y) #寫入函數(shù)，z是大寫 Z = X**2+Y**2 #設(shè)置打開畫布大小,長(zhǎng)10，寬6 #plt.figure(figsize=(10,6)) #填充顏色，f即filled plt.contourf(X,Y,Z) #畫等高線 plt.contour(X,Y,Z) plt.show()
結(jié)果如下
顏色越深表示值越小，中間的黑色表示z=0.
當(dāng)然，也可以不要顏色填充，并只希望輸出z=20和z=40兩條線，則在上面代碼的基礎(chǔ)上，將plt.contourf去掉，并：
#只畫z=20和40的線，并將顏色設(shè)置為黑色
contour = plt.contour(X,Y,Z,[20,40],colors='k')
#等高線上標(biāo)明z（即高度）的值，字體大小是10，顏色分別是黑色和紅色
plt.clabel(contour,fontsize=10,colors=('k','r'))
結(jié)果如下：
默認(rèn)是保留3個(gè)小數(shù)，可以如下保留四位
plt.clabel(contour,fontsize=10,colors=('k','r'),fmt='%.4f')
以下，我將一些常用的功能補(bǔ)充全代碼，如下：
#導(dǎo)入模塊 import numpy as np import matplotlib.pyplot as plt #建立步長(zhǎng)為0.01，即每隔0.01取一個(gè)點(diǎn) step = 0.01 x = np.arange(-10,10,step) y = np.arange(-10,10,step) #也可以用x = np.linspace(-10,10,100)表示從-10到10，分100份 #將原始數(shù)據(jù)變成網(wǎng)格數(shù)據(jù)形式 X,Y = np.meshgrid(x,y) #寫入函數(shù)，z是大寫，這里我讓中間的0是最大，加了一個(gè)負(fù)號(hào) Z = -(X**2+Y**2) #填充顏色，f即filled,6表示將三色分成三層，cmap那兒是放置顏色格式，hot表示熱溫圖（紅黃漸變） #更多顏色圖參考：https://blog.csdn.net/mr_cat123/article/details/80709099 #顏色集，6層顏色，默認(rèn)的情況不用寫顏色層數(shù), cset = plt.contourf(X,Y,Z,6,cmap=plt.cm.hot) #or cmap='hot' #畫出8條線，并將顏色設(shè)置為黑色 contour = plt.contour(X,Y,Z,8,colors='k') #等高線上標(biāo)明z（即高度）的值，字體大小是10，顏色分別是黑色和紅色 plt.clabel(contour,fontsize=10,colors='k') #去掉坐標(biāo)軸刻度 #plt.xticks(()) #plt.yticks(()) #設(shè)置顏色條，（顯示在圖片右邊） plt.colorbar(cset) #顯示 plt.show()
顏色取反
上面展示的是值越大越白，如果想要讓紅色在內(nèi)，則只要在顏色名稱后加_r即可。其他顏色映射也是如此
cmap='hor_r'
數(shù)據(jù)畫圖
如果是已經(jīng)有第三維（即高）的數(shù)據(jù)，那么可以通過(guò)數(shù)據(jù)來(lái)畫圖
這里先對(duì)mesh.grid作一個(gè)解釋：
mesh.grid可以將x,y軸變成數(shù)組（array），比如
可以看到建立了一個(gè)二維平面，詳細(xì)見：meshgrid應(yīng)用
比如有：
z = x**2 + y
而z是已經(jīng)獲得的數(shù)據(jù)，那么如何通過(guò)數(shù)據(jù)將z看成高呢？
import numpy as np
import matplotlib.pyplot as plt
z_list = []
for y in range(3):
for x in range(3):
z = x**2+y
z_list.append(z) #獲得z的數(shù)據(jù)
z = z_list
x = np.linspace(0,2,3)
y = np.linspace(0,2,3)
[X,Y] = np.meshgrid(x,y) #生成X,Y畫布，X,Y都是3*3
#因?yàn)閦是一維，所以要變成3*3
z = np.mat(z)
z = np.array(z)
z.shape = (3,3)
#畫圖（建議一定要查看X,Y,z是不是一一對(duì)應(yīng)了）
plt.figure(figsize=(10,6))
plt.contourf(x,y,z)
plt.contour(x,y,z)
這里輸出X,Y和z如下，已經(jīng)一一對(duì)應(yīng)。
當(dāng)x=0,y=0,則z=0
當(dāng)x=0,y=1,則z=1
當(dāng)x=0,y=2,則z=2
…
…
注意:我上面是用的先f(wàn)or y in xxx,再for x in xxx。
另外，也可以輸出x,和y統(tǒng)一操作而不需要再寫，也不需要用meshgrid函數(shù)
x = np.linspace(xxx)
如下：
import numpy as np
import matplotlib.pyplot as plt
z_list = []
x_list = []
y_list = []
for x in range(3):
for y in range(3):
z = x**2+y
z_list.append(z)
x_list.append(x)
y_list.append(y)
x,y,z = x_list,y_list,z_list
#對(duì)x操作
x = np.array(x) #將list變成array
x.shape = (3,3) #重新分成3*3的array
x = np.mat(x).T #變成矩陣并轉(zhuǎn)置，因?yàn)閍rray沒(méi)有轉(zhuǎn)置
#對(duì)y操作
y = np.array(y)
y.shape = (3,3)
y = np.mat(y).T
#對(duì)z操作
z = np.array(z)
z.shape = (3,3)
z = np.mat(z).T
#畫圖
plt.figure(figsize=(6,4))
plt.contourf(x,y,z)
plt.contour(x,y,z)
選擇性畫圖
如果我只想畫出等高線某些部分的線，比如想畫高為0.00221，和0.00223的線，那么可以使用下面命令
contour = plt.contour(X,Y,Z,[0.00221,0.00223],colors='k')
———————————————————我是會(huì)賣萌的分割線————————————————————
以下是我的筆記，大家可以選擇不看。
例一
已知x+y+z=163,f=f(x,y,z)找出x,y,z對(duì)于的值使得f最大
分析：由x+y+z=163可知是有一條線分開，即z=163-x-y,帶入f中消掉z，然后再用一個(gè)個(gè)賦值x,y循環(huán)得到f的值，最后采用max挑出f最大的值
由于這里是有四個(gè)變量，x,y,z,和f,而x+y+z=163,需要做的是畫出橫坐標(biāo)為x,縱坐標(biāo)為y，高為f的等高線圖，跟上面的例子已經(jīng)不同，上面的例子只有三個(gè)變量，x,y,和z，畫出x為橫坐標(biāo)，y為縱坐標(biāo)，z為高的圖，所以兩者是不同的。不同導(dǎo)致的區(qū)別如：
上面的例子得到的x是：
[0, 0, 0, 1, 1, 1, 2, 2, 2]
而下面將講的得到的x類似是
[0,0,0,1,1,2]
所以需要將缺省的一個(gè)1和兩個(gè)2的位置補(bǔ)上0,同理y和f也是
這里為了快速和簡(jiǎn)單，只要補(bǔ)充f（下面用z代替了）即可，而x,y可以重新用range生成
注意：這里的z跟代碼中的z不同，代碼中的z是f的值
#導(dǎo)入模塊
import numpy as np
import matplotlib.pyplot as plt
import scipy.interpolate
from matplotlib import colors
an = []
i = 0
tot = 163
z = np.loadtxt(r'/home/wudl/myfiles/LSPE/data/f90_140_220/FoM1.txt')#加載數(shù)據(jù)（只加載z坐標(biāo)這一列）
#生成橫縱坐標(biāo)，并且將橫縱坐標(biāo)對(duì)應(yīng)的點(diǎn)z的值放到空列表an中
for x in range(1,162,1):
for y in range(1,162,1):
if x+y >= 163:
an.append(0)
else:
an.append(z[i])
i += 1
x = np.arange(1,tot-1,1)
y = np.arange(1,tot-1,1)
X,Y = np.meshgrid(x,y)
Z = np.mat(an)
Z.shape = (tot-2,tot-2)
Z = Z.T
#自定義顏色條
colorslist = ['w','gray','aqua']
#將顏色條命名為mylist，一共插值顏色條3000個(gè)
cmaps = colors.LinearSegmentedColormap.from_list('mylist',colorslist,N=3000)
#畫40層顏色
cset = plt.contourf(X,Y,Z,40,cmap = cmaps)
#畫200條線，設(shè)置字體大小為10
contour = plt.contour(X,Y,Z,200,colors='k')
plt.clabel(contour,fontsize=10,colors='k')
#坐標(biāo)軸的字體采用LATEX
plt.xlabel('$n_{90}$',fontsize=20)
plt.ylabel('$n_{220}$',fontsize=20)
#顯示顏色條
plt.colorbar(cset)
#顯示圖片
plt.show()
例二
from __future__ import division
import os
os.chdir('/media/sf_Share/fisher_matrix/myLSPE/LSPE4') #ATTENTION:change work dir
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
import settings
from matplotlib import colors
st = settings.Settings()
data = np.loadtxt(r'/media/sf_Share/fisher_matrix/myLSPE/data/fsky0.7/41+95+150/r_0.01/sigma_F_0.1/sigma_F=0.1/threefre.txt')
#data = np.loadtxt(r'/media/sf_Share/fisher_matrix/myLSPE/data/threefre.txt')
z = data[:,3] #sigma_r
zmin = min(z)
print(zmin)
an = []
i = 0
for x in range(1,st.tot_det-1,st.step): #x_min=1,x_max=161
for y in range(1,st.tot_det-1,st.step):
if x+y >= st.tot_det:
an.append(0)
else:
an.append(z[i])
i += 1
x = np.arange(1,st.tot_det-1,st.step)
y = np.arange(1,st.tot_det-1,st.step)
X,Y = np.meshgrid(x,y)
Z = np.mat(an)
Z.shape = (X.shape[0],X.shape[0])
Z = Z.T
colorslist = ['w','gainsboro','gray','aqua']
#將顏色條命名為mylist，一共插值顏色條50個(gè)
cmaps = colors.LinearSegmentedColormap.from_list('mylist',colorslist,N=200)
#cmaps = mpl.cm.hot
#自定義顏色范圍，
norm = colors.Normalize(vmin=0.0017,vmax=0.0040)
#cset = plt.contourf(X,Y,Z,100,cmap = 'BuGn')
cset = plt.contourf(X,Y,Z,100,alpha=1,vmin=0.0017,vmax=0.0040,cmap = 'hot_r')
contour = plt.contour(X,Y,Z,[0.00210,0.00220,0.00230,0.00240,0.00250,0.00260,0.00270,0.00280],colors='k')
plt.clabel(contour,fontsize=10,colors='k',fmt='%.5f')
plt.scatter(2901,6101,color='r')
plt.axis([0,10000,0,10000])
plt.colorbar(cset)
#plt.xlabel(str(st.nu[0])+ ' frequency')
#plt.ylabel(str(st.nu[1])+' frequency')
plt.xlabel('$N_{41}$')
plt.ylabel('$N_{95}$')
plt.show()
總結(jié)
到此這篇關(guān)于使用python matplotlib contour畫等高線圖的文章就介紹到這了,更多相關(guān)python matplotlib contour畫等高線圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python實(shí)現(xiàn)zip分卷壓縮的詳細(xì)方法
WinHex 開始16進(jìn)制一個(gè)一個(gè)文件對(duì)比 WinRar 創(chuàng)建的分卷壓縮和單個(gè) zip 文件的差異,這篇文章主要介紹了python實(shí)現(xiàn)zip分卷壓縮的詳細(xì)方法,需要的朋友可以參考下2024-02-02
一個(gè)檢測(cè)OpenSSL心臟出血漏洞的Python腳本分享
這篇文章主要介紹了一個(gè)檢測(cè)OpenSSL心臟出血漏洞的Python腳本,心臟出血漏洞是互聯(lián)網(wǎng)上的地震,看到的同學(xué)趕緊升級(jí)OpenSSL,避免黑客入侵2014-04-04
python 計(jì)算平均平方誤差(MSE)的實(shí)例
今天小編就為大家分享一篇python 計(jì)算平均平方誤差的實(shí)例 (MSE)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-06-06
Python面向?qū)ο笾o態(tài)屬性、類方法與靜態(tài)方法分析
這篇文章主要介紹了Python面向?qū)ο笾o態(tài)屬性、類方法與靜態(tài)方法,結(jié)合實(shí)例形式分析了Python面向?qū)ο蟪绦蛟O(shè)計(jì)中靜態(tài)屬性、類方法及靜態(tài)方法相關(guān)概念、使用方法及操作注意事項(xiàng),需要的朋友可以參考下2018-08-08
pandas學(xué)習(xí)之df.fillna的具體使用
本文主要介紹了pandas學(xué)習(xí)之df.fillna的具體使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-08-08
python實(shí)現(xiàn)簡(jiǎn)單遺傳算法
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)簡(jiǎn)單的遺傳算法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-03-03
詳解Python排序算法的實(shí)現(xiàn)(冒泡,選擇,插入,快速)
這篇文章主要為大家介紹了Python中常見的四種排序算法的實(shí)現(xiàn)：冒泡排序、選擇排序、插入排序和快速排序，文中通過(guò)圖片詳細(xì)講解了它們實(shí)現(xiàn)的原理與代碼，需要的可以參考一下2022-04-04
python實(shí)現(xiàn)模擬按鍵，自動(dòng)翻頁(yè)看u17漫畫
這篇文章主要介紹了python實(shí)現(xiàn)模擬按鍵，自動(dòng)翻頁(yè)看u17漫畫,十分簡(jiǎn)單實(shí)用，需要的朋友可以參考下2015-03-03
jenkins+python自動(dòng)化測(cè)試持續(xù)集成教程
這篇文章主要介紹了jenkins+python自動(dòng)化測(cè)試持續(xù)集成教程，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-05-05
簡(jiǎn)單談?wù)凱ython中的反轉(zhuǎn)字符串問(wèn)題
本文給大家總結(jié)了5種可以實(shí)現(xiàn)python中反轉(zhuǎn)字符串的方法，非常的實(shí)用，有需要的小伙伴可以參考下2016-10-10