我有一个.txt文件,其中包含2D地图中规则间隔点的x,y值,第三个坐标是该点的密度。
4.882812500000000E-004 4.882812500000000E-004 0.9072267
1.464843750000000E-003 4.882812500000000E-004 1.405174
2.441406250000000E-003 4.882812500000000E-004 24.32851
3.417968750000000E-003 4.882812500000000E-004 101.4136
4.394531250000000E-003 4.882812500000000E-004 199.1388
5.371093750000000E-003 4.882812500000000E-004 1278.898
6.347656250000000E-003 4.882812500000000E-004 1636.955
7.324218750000000E-003 4.882812500000000E-004 1504.590
8.300781250000000E-003 4.882812500000000E-004 814.6337
9.277343750000000E-003 4.882812500000000E-004 273.8610
当我在gnuplot中绘制此密度图时,使用以下命令:
set palette rgbformulae 34,35,0
set size square
set pm3d map
splot "dens_map.map" u 1:2:(log10($3+10.)) title "Density map"`
这给了我这个美丽的形象:
现在我想用matplotlib获得相同的结果。
答案 0 :(得分:19)
我的目标是更完整的答案,包括选择颜色图和颜色轴的对数标准化。
import matplotlib.pyplot as plt
import matplotlib.cm as cm
from matplotlib.colors import LogNorm
import numpy as np
x, y, z = np.loadtxt('data.txt', unpack=True)
N = int(len(z)**.5)
z = z.reshape(N, N)
plt.imshow(z+10, extent=(np.amin(x), np.amax(x), np.amin(y), np.amax(y)),
cmap=cm.hot, norm=LogNorm())
plt.colorbar()
plt.show()
我在这里假设您的数据可以通过简单的重塑转换为二维数组。如果不是这种情况,则需要更加努力地获取此表单中的数据。如果你的数据位于网格上(就像它似乎那样),使用imshow而不是pcolormesh在这里更有效。上面的代码片段会生成以下图片,非常接近您想要的图片:
答案 1 :(得分:11)
来自@HYRY的评论很好,但完整的最小工作答案(带图片!)更好。使用plt.pcolormesh
import pylab as plt
import numpy as np
# Sample data
side = np.linspace(-2,2,15)
X,Y = np.meshgrid(side,side)
Z = np.exp(-((X-1)**2+Y**2))
# Plot the density map using nearest-neighbor interpolation
plt.pcolormesh(X,Y,Z)
plt.show()
如果数据看起来像你的样本,numpy可以使用命令numpy.genfromtext
加载它。