我正在尝试创建一个网格网格,其中没有一些点位于具有指定坐标和半径的圆内。我无法减去落在圆圈内的网格点。 这是我的代码
import math
import numpy
import matplotlib.pyplot as plt
N = 50
x_start, x_end = -2.0, 2.0
y_start, y_end = -1.0, 1.0
x = numpy.linspace(x_start, x_end, N)
y = numpy.linspace(y_start, y_end, N)
circle_x, circle_y, r= 0.0, 0.0, 0.4
#x.remove((r-circle_x)**2) #need some help with these two lines
#y.remove((r-circle_y)**2)
X, Y = numpy.meshgrid(x, y)
size = 10
fig = plt.figure()
plt.xlabel('x', fontsize = 16)
plt.ylabel('y', fontsize = 16)
plt.scatter(X, Y)
plt.show()
显示网格点的网格点##标题
答案 0 :(得分:4)
如果你喜欢只有圆圈外点的散点图,请使用布尔索引来仅选择2D" meshgridded"中的那些点。阵列:
import numpy as np
import matplotlib.pyplot as plt
N = 50
x_start, x_end = -2.0, 2.0
y_start, y_end = -1.0, 1.0
x = np.linspace(x_start, x_end, N)
y = np.linspace(y_start, y_end, N)
x0, y0, radius = 0.0, 0.0, 0.4
x, y = np.meshgrid(x, y)
r = np.sqrt((x - x0)**2 + (y - y0)**2)
outside = r > radius
fig, ax = plt.subplots()
ax.set(xlabel='X', ylabel='Y', aspect=1.0)
ax.scatter(x[outside], y[outside])
plt.show()
另一方面,如果你使用需要2D输入的imshow
之类的东西,你需要屏蔽内部的值(如@JulienSpronck所提到的,尽管设置它们会更好)到np.nan
或使用掩码数组而不是将它们设置为0)或在图像上设置剪辑路径。
但是,对于分散,您不需要2D输入。
nD数组上的布尔索引将返回1d结果。例如:
In [9]: x = np.arange(100).reshape(10, 10)
In [10]: x
Out[10]:
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
[20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
[30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
[40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
[50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
[60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
[70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
[80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])
In [11]: x[x > 75]
Out[11]:
array([76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92,
93, 94, 95, 96, 97, 98, 99])
因为scatter
只是绘制点,所以它并不关心它们的连接方式,我们可以轻松使用布尔索引的一维结果。
另一方面,如果您想绘制图像,则需要2D网格。在这种情况下,您希望改为掩盖值:
In [12]: np.ma.masked_where(x <= 75, x)
Out[12]:
masked_array(data =
[[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- -- -- -- --]
[-- -- -- -- -- -- 76 77 78 79]
[80 81 82 83 84 85 86 87 88 89]
[90 91 92 93 94 95 96 97 98 99]])
注意这是如何维护输入的2D结构的。
另外,如果这是一个浮点数组,您可以轻松地将值设置为np.nan
而不是屏蔽它们。用imshow
绘制时,两者的行为相同。在这种情况下,我使用了蒙面数组,因为x
是一个整数数组,并且不能包含NaN&#39。
答案 1 :(得分:2)
不能简单地从网格网格中删除点。相反,您应该创建另一个数组Z
作为
Z = numpy.where((X-circle_x)**2+(Y-circle_y)**2>r**2,1,0)
并将其绘制为
plt.scatter(X,Y,Z)
答案 2 :(得分:2)
您无法删除数组x
和y
中的点数。这是一个2D问题,需要从x
中删除的值取决于y
,反之亦然。
您可以直接在您创建的网格上进行操作(X
和Y
)。例如,
import math
import numpy
import matplotlib.pyplot as plt
N = 200
x_start, x_end = -2.0, 2.0
y_start, y_end = -2.0, 2.0
x = numpy.linspace(x_start, x_end, N)
y = numpy.linspace(y_start, y_end, N)
circle_x, circle_y, r= 0.0, 0.0, 0.4
X, Y = numpy.meshgrid(x, y)
## Define points within circle
pts = (X-circle_x)**2+(Y-circle_y)**2 <= r**2
## Create a constant mask over grid
M = numpy.ones(X.shape)
## Assign 0 to mask for all points within circle
M[pts] = 0
size = 10
fig = plt.figure()
plt.imshow(M)
plt.show()
这不会删除X
或Y
中的任何积分。相反,如果您希望仅对部分点执行计算,则可以执行
pts = (X-circle_x)**2+(Y-circle_y)**2 > r**2
X = X[pts]
Y = Y[pts]
plt.scatter(X,Y)
plt.show()