欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

使用python?matplotlib?contour畫等高線圖的詳細過程講解

 更新時間：2022年08月10日 11:26:38   作者：Mr-Cat伍可貓  
最近學習了matplotlib中的高線圖的繪制,所以下面這篇文章主要給大家介紹了關于使用python?matplotlib?contour畫等高線圖的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下

函數(shù)畫圖

以 z = x 2 + y 2 為例

#導入模塊
import numpy as np
import matplotlib.pyplot as plt

#建立步長為0.01，即每隔0.01取一個點
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
#設置打開畫布大小,長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()

結果如下

顏色越深表示值越小，中間的黑色表示z=0.

當然，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上，將plt.contourf去掉，并：

#只畫z=20和40的線，并將顏色設置為黑色
contour = plt.contour(X,Y,Z,[20,40],colors='k')
#等高線上標明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'))

結果如下：

默認是保留3個小數(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充全代碼，如下：

#導入模塊
import numpy as np
import matplotlib.pyplot as plt

#建立步長為0.01，即每隔0.01取一個點
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，加了一個負號
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，并將顏色設置為黑色
contour = plt.contour(X,Y,Z,8,colors='k')
#等高線上標明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')
#去掉坐標軸刻度
#plt.xticks(())  
#plt.yticks(())  
#設置顏色條，（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mesh.grid作一個解釋：

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二維平面，詳細見：meshgrid應用

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
#因為z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是不是一一對應了）
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)一一對應。

當x=0,y=0,則z=0

當x=0,y=1,則z=1

當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，因為array沒有轉(zhuǎn)置 
#對y操作
y = np.array(y)   
y.shape = (3,3)
y = np.mat(y).T
#對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，然后再用一個個賦值x,y循環(huán)得到f的值，最后采用max挑出f最大的值
由于這里是有四個變量，x,y,z,和f,而x+y+z=163,需要做的是畫出橫坐標為x,縱坐標為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變量，x,y,和z，畫出x為橫坐標，y為縱坐標，z為高的圖，所以兩者是不同的。不同導致的區(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1和兩個2的位置補上0,同理y和f也是

這里為了快速和簡單，只要補充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坐標這一列）
#生成橫縱坐標，并且將橫縱坐標對應的點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
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
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

到此這篇關于使用python matplotlib contour畫等高線圖的文章就介紹到這了,更多相關python matplotlib contour畫等高線圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

相關文章

最新評論