如何用现有的xyz数据制作矩阵

Question

我想使用matplotlib.pyplot.pcolormesh绘制深度图。

我拥有的是xyz文件 三列即x（lat），y（lon），z（dep）。

所有列长度相等

pcolormesh需要矩阵作为输入。 所以使用numpy.meshgrid我可以将x和y转换为矩阵：

xx,yy = numpy.meshgrid(x_data,y_data)

这很好......但是，我不知道如何创建我的深度（z）数据的矩阵...... 如何为我的z_data创建一个与我的x_data和y_data矩阵对应的矩阵？

Answer 1

根据您是否生成z，您至少有两种选择。

如果你正在生成z（例如，你知道它的公式），这很容易（请参阅下面的method_1()）。

如果您只是一个（x，y，z）元组的列表，那就更难了（请参阅下面的method_2()，也许{ {1}}）。

<强>常量

method_3()

方法1：生成# min_? is minimum bound, max_? is maximum bound, # dim_? is the granularity in that direction min_x, max_x, dim_x = (-10, 10, 100) min_y, max_y, dim_y = (-10, 10, 100)

z

生成以下图表：

这相对简单，因为您可以在任何您想要的点生成# Method 1: # This works if you are generating z, given (x,y) def method_1(): x = np.linspace(min_x, max_x, dim_x) y = np.linspace(min_y, max_y, dim_y) X,Y = np.meshgrid(x,y) def z_function(x,y): return math.sqrt(x**2 + y**2) z = np.array([z_function(x,y) for (x,y) in zip(np.ravel(X), np.ravel(Y))]) Z = z.reshape(X.shape) plt.pcolormesh(X,Y,Z) plt.show() 。

如果您没有这种能力，并且获得固定z。您可以执行以下操作。首先，我定义了一个生成虚假数据的函数：

(x,y,z)

这里，返回的矩阵如下所示：

def gen_fake_data():
    # First we generate the (x,y,z) tuples to imitate "real" data
    # Half of this will be in the + direction, half will be in the - dir.
    xy_max_error = 0.2

    # Generate the "real" x,y vectors
    x = np.linspace(min_x, max_x, dim_x)
    y = np.linspace(min_y, max_y, dim_y)

    # Apply an error to x,y
    x_err = (np.random.rand(*x.shape) - 0.5) * xy_max_error
    y_err = (np.random.rand(*y.shape) - 0.5) * xy_max_error
    x *= (1 + x_err)
    y *= (1 + y_err)

    # Generate fake z
    rows = []
    for ix in x:
        for iy in y:
            z = math.sqrt(ix**2 + iy**2)
            rows.append([ix,iy,z])

    mat = np.array(rows)
    return mat

方法2：在常规网格上插入给定的mat = [[x_0, y_0, z_0], [x_1, y_1, z_1], [x_2, y_2, z_2], ... [x_n, y_n, z_n]] 点

z

此方法生成以下图表：

错误= 0.2

错误= 0.8

方法3：无插值（对采样数据的约束）

还有第三种选择，具体取决于# Method 2: # This works if you have (x,y,z) tuples that you're *not* generating, and (x,y) points # may not fall evenly on a grid. def method_2(): mat = gen_fake_data() x = np.linspace(min_x, max_x, dim_x) y = np.linspace(min_y, max_y, dim_y) X,Y = np.meshgrid(x, y) # Interpolate (x,y,z) points [mat] over a normal (x,y) grid [X,Y] # Depending on your "error", you may be able to use other methods Z = interpolate.griddata((mat[:,0], mat[:,1]), mat[:,2], (X,Y), method='nearest') plt.pcolormesh(X,Y,Z) plt.show() 的设置方式。此选项需要两件事：

1. 不同x样本位置的数量等于不同y样本位置的数量。
2. 对于每个可能的唯一（x，y）对，数据中都有对应的（x，y，z）。

由此可见，(x,y,z)对的数量必须等于唯一x点数的平方（其中唯一x位置的数量等于唯一y位置的数量）。

通常，对于采样数据，此不会为真。但如果是，你可以避免插入：

(x,y,z)

错误= 0.2

错误= 0.8