快捷導(dǎo)航

Python實現(xiàn)在不同坐標(biāo)系中繪制曲線

更新時間：2023年07月31日 08:27:52 作者：微小冷

這篇文章主要為大家學(xué)習(xí)介紹了Python如何實現(xiàn)在不同坐標(biāo)系中繪制曲線，文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以跟隨小編一起了解一下

平面直角坐標(biāo)系

回顧我們的數(shù)據(jù)可視化的學(xué)習(xí)歷程，其實始于笛卡爾坐標(biāo)系的創(chuàng)建，并由此建立了數(shù)與形的對應(yīng)關(guān)系。在笛卡爾坐標(biāo)系中隨便點(diǎn)上一點(diǎn)，這個點(diǎn)天生具備坐標(biāo)，從而與數(shù)對(x,y)完成映射，這就是最基礎(chǔ)的散點(diǎn)圖。將點(diǎn)連在一起，便是折線圖。

但在matplotlib中，折線圖反而比散點(diǎn)圖更加基礎(chǔ)，因為散點(diǎn)圖至少需要兩組一一對應(yīng)的X和Y坐標(biāo)，而折線圖在只接受一組數(shù)據(jù)的情況下，便會默認(rèn)自然數(shù)列為x坐標(biāo)，從而繪圖過程更加遍歷

import numpy as np
import matplotlib.pyplot as plt
ys = np.arange(100)**2
plt.plot(ys)
plt.show()

空間直角坐標(biāo)系

將曲線繪制在三維坐標(biāo)系中的方法有兩個，盡管從思維的角度出發(fā)，直接繪制比較方便，但從matplotlib的繪圖邏輯來說，最簡單的方案是把二維坐標(biāo)系嵌入到三維坐標(biāo)系中，換言之，為其指定一個額外的軸。

xs = np.linspace(0, 1, 100)
ys = np.sin(xs * 2 * np.pi) / 2 + 0.5
fig = plt.figure()
zs = ['x', 'y', 'z']
for i, z in enumerate(zs, 1):
    ax = fig.add_subplot(1,3,i, projection='3d')
    ax.plot(xs, ys, zs=0, zdir=z)
    ax.set_zlim(0,1)
    ax.set_xlim(0,1)
    ax.set_ylim(0,1)
plt.show()

在上面的代碼中，調(diào)用的仍舊是plot，但是用zdir參數(shù)指定了z軸方向，當(dāng)為z軸設(shè)置不同的方向時，曲線所嵌入到的三維直角坐標(biāo)系的坐標(biāo)平面是不同的。

很顯然，這是個偽3D曲線，但plot函數(shù)是有實力繪制真正的三維曲線的，無非多一個坐標(biāo)軸而已

xs = np.linspace(0, 5, 100)
ys = np.sin(xs * 2 * np.pi) / 2 + 0.5
zs = np.cos(xs * 2 * np.pi) / 2 + 0.5
ax = plt.subplot(projection='3d')
ax.plot(xs, ys, zs)
plt.show()

效果如下

極坐標(biāo)

極坐標(biāo)的建立與三維直角坐標(biāo)系的建立是相同的，均以指定projection的形式實現(xiàn)

r = np.arange(0, 2, 0.01)
theta = 2 * np.pi * r
ax = plt.subplot(projection='polar')
ax.plot(theta, r)
plt.show()

繪圖結(jié)果如下

在極坐標(biāo)中繪圖時，plot函數(shù)保留了默認(rèn)自變量的功能，試驗一下就清楚了

ax = plt.subplot(projection='polar')
ax.plot(r)
plt.show()

下圖中，由于默認(rèn) θ \theta θ的增長步長為1，這對于每圈 2 π 2\pi 2π的極坐標(biāo)來說是非常大的一個量，故而圖形在繪制過程中出現(xiàn)了不可避免的曲折。

但matplotlib并沒有封裝一個拿來就能用的柱坐標(biāo)或者球坐標(biāo)，除非自己在三維直角坐標(biāo)系中實現(xiàn)一個。

地理坐標(biāo)

projection的含義是投影，除了3D坐標(biāo)和極坐標(biāo)之外，還支持多種地理坐標(biāo)，例如漢邁爾-埃托夫投影等，下面就列舉幾個不同的地理坐標(biāo)，并在其中進(jìn)行

projs = ['aitoff', 'hammer', 'lambert', 'mollweide']
fig = plt.figure()
xs = ys = np.arange(-2,2,0.01)
for i, p in enumerate(projs, 1):
    ax = fig.add_subplot(2,2,i,projection=p)
    ax.plot(xs, ys)
    plt.title(p)
    plt.grid()
plt.show()