使用python?matplotlib?contour畫等高線圖的詳細(xì)過程講解
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),那么可以通過數(shù)據(jù)來畫圖
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for 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2014-04-04python 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。一起跟隨小編過來看看吧2019-06-06Python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2018-08-08pandas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一起學(xué)習(xí)學(xué)習(xí)吧2022-08-08python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2022-04-04python實(shí)現(xiàn)模擬按鍵,自動(dòng)翻頁看u17漫畫
這篇文章主要介紹了python實(shí)現(xiàn)模擬按鍵,自動(dòng)翻頁看u17漫畫,十分簡(jiǎn)單實(shí)用,需要的朋友可以參考下2015-03-03jenkins+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。一起跟隨小編過來看看吧2020-05-05簡(jiǎn)單談?wù)凱ython中的反轉(zhuǎn)字符串問題
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