正如标题所示,我想通过使用三个1D阵列来制作轮廓图。让我们说
x = np.array([1,2,3])
和
y = np.array([1,2,3])
和
z = np.array([20,21,45])
要在matplotlib中执行等高线图,我将x
和y
坐标网格化为X,Y = meshgrid(x,y)
,但z
数组也必须是2D数组。如何将z
转换为2d数组以便可以使用?
答案 0 :(得分:1)
您的z
错了。它需要在网格的每个点给出值。如果z
是x
和y
的函数,请根据我在下面的z
计算X_grid
:
import numpy as np
import matplotlib.pyplot as plt
def f(x):
return (x[:,0]**2 + x[:,1]**2)
x = np.array([1,2,3])
y = np.array([1,2,3])
xx, yy = np.meshgrid(x, y)
X_grid = np.c_[ np.ravel(xx), np.ravel(yy) ]
z = f(X_grid)
z = z.reshape(xx.shape)
plt.contour(xx, yy, z)
答案 1 :(得分:0)
在我看来,你是通过空间而不是表面描述一维曲线。我说,因为我认为x[i]
,y[i]
和z[i]
是一个点的坐标。您不能使用这些点以简单的方式定义曲面,因为您的点仅依赖于一个变量i
,因此仅描述具有一个自由度的形状。考虑一下,您可以将列表中的每个点连接到下一个点,并且这只会为您提供一维点链。要在三个阵列中制作曲面,必须定义9个z值,而不是3个。
我很抱歉这不是一个有用的答案,但我没有发表评论的声誉。
答案 2 :(得分:0)
我经常遇到这个问题,如果我使用的数据是为了便于操作而使用了。在分级数据中,二维阵列变平。
原始数据包含每个坐标的x,y和z值:
x = [0, 1, 2; 0, 1, 2]
y = [0, 0, 0; 1, 1, 1]
z = [0.1 , 0.2, 0.3 ; 0.2, 0.3, 0.4]
对所有三个数组使用np.ravel()使它们成为一维6元素长数组。
xx = np.ravel(x); yy = np.ravel(y) ; zz = np.ravel(z)
现在xx =([0,1,2,0,1,2]),yy和zz类似。
如果这是您正在使用的数据类型并且数据已经过彻底采样,您可以使用散点图模拟一个等高线图。这仅适用于您的数据集采样得足以填满所有空间的情况。
plt.scatter(xx,yy,c=zz,cmap=cm.Reds)
答案 3 :(得分:0)
尽管OP意识到不可能用问题中的数据绘制轮廓图,但是在可以将数据视为3d表面的情况下,这仍然是一个相关问题。
基本上有三个选择
这个超级简单。像这样使用plt.tricontourf函数(请参见附录中示例数据的创建)
from matplotlib import pyplot as plt
plt.contourf(xvals, yvals, zvals)
plt.show()
如果一个人将栅格数据存储在三个1D数组中,并且由于某种原因不想使用tricontourf,则可以使用它来制作contourf图。 (附录中提供的示例数据)
import pandas as pd
from matplotlib import pyplot as plt
df = pd.DataFrame(dict(x=xdata, y=ydata, z=zdata))
xcol, ycol, zcol = "x", "y", "z"
df = df.sort_values(by=[xcol, ycol])
xvals = df[xcol].unique()
yvals = df[ycol].unique()
zvals = df[zcol].values.reshape(len(xvals), len(yvals)).T
plt.contourf(xvals, yvals, zvals)
plt.show()
df
作为中间介质。unique()
在下一步中给出的值进行排序。unique()
获取x和y数据的所有唯一值。这与“ meshgrid”操作相反。reshape()
方法来创建所需的2d数组。zvals
将是一个(N,M)2d数组,可以将其输入plt.contour。import numpy as np
import pandas as pd
xs, ys = np.linspace(-4, 4), np.linspace(-4, 4)
xgrid, ygrid = np.meshgrid(xs, ys)
xdata, ydata = np.ravel(xgrid), np.ravel(ygrid)
zdata = (
2.3 * (1 - xdata) ** 2 * np.exp(-(ydata ** 2) - (xdata + 0.9) ** 2)
- 13.3
* (ydata / 2.2 - ydata ** 3 - xdata ** 4)
* np.exp(-(ydata ** 2) - xdata ** 2)
- 0.8 * np.exp(-((ydata + 1) ** 2) - xdata ** 2)
)