Question

我正在使用library，它会在给定对象k的情况下生成3个图。

我需要计算产生这些图的数据点(x,y,z)，但问题是这些图来自k的函数。

我正在使用的库是pyKriging，this是他们的github存储库。

示例code的简化版本为：

import pyKriging  
from pyKriging.krige import kriging  
from pyKriging.samplingplan import samplingplan

sp = samplingplan(2)  
X = sp.optimallhc(20)

testfun = pyKriging.testfunctions().branin  
y = testfun(X)

k = kriging(X, y, testfunction=testfun, name='simple')   
k.train()
k.plot()

可以找到完整的代码，评论和输出here。

总之，我正在尝试获取生成这些图的numpy数组，以便创建符合格式样式的图。

我不知道如何使用Python进入库代码，我感谢您的帮助！

Answer 1

没有单个数据阵列可以生成绘图。相反，许多用于绘图的数组都是在克里格绘图函数中生成的将填充轮廓更改为线条轮廓当然不是样式选项。因此，需要使用原始绘图功能中的代码。

一个选项是子类kriging并实现自定义绘图功能（让我们称之为myplot）。在此函数中，可以使用contour代替contourf。当然，它也可以完全根据个人需要进行改变。

import pyKriging  
from pyKriging.krige import kriging  
from pyKriging.samplingplan import samplingplan
import numpy as np
import matplotlib.pyplot as plt

class MyKriging(kriging):
    def __init__(self,*args,**kwargs):
        kriging.__init__(self,*args,**kwargs)
    def myplot(self,labels=False, show=True, **kwargs):
        fig = plt.figure(figsize=(8,6))
        # Create a set of data to plot
        plotgrid = 61
        x = np.linspace(self.normRange[0][0], self.normRange[0][1], num=plotgrid)
        y = np.linspace(self.normRange[1][0], self.normRange[1][1], num=plotgrid)
        X, Y = np.meshgrid(x, y)
        # Predict based on the optimized results
        zs = np.array([self.predict([xi,yi]) for xi,yi in zip(np.ravel(X), np.ravel(Y))])
        Z = zs.reshape(X.shape)
        #Calculate errors
        zse = np.array([self.predict_var([xi,yi]) for xi,yi in zip(np.ravel(X), np.ravel(Y))])
        Ze = zse.reshape(X.shape)

        spx = (self.X[:,0] * (self.normRange[0][1] - self.normRange[0][0])) + self.normRange[0][0]
        spy = (self.X[:,1] * (self.normRange[1][1] - self.normRange[1][0])) + self.normRange[1][0]

        contour_levels = kwargs.get("levels", 25)
        ax = fig.add_subplot(222)
        CS = plt.contour(X,Y,Ze, contour_levels)
        plt.colorbar()
        plt.plot(spx, spy,'or')

        ax = fig.add_subplot(221)
        if self.testfunction:
            # Setup the truth function
            zt = self.testfunction( np.array(zip(np.ravel(X), np.ravel(Y))) )
            ZT = zt.reshape(X.shape)
            CS = plt.contour(X,Y,ZT,contour_levels ,colors='k',zorder=2, alpha=0)

        if self.testfunction:
            contour_levels = CS.levels
            delta = np.abs(contour_levels[0]-contour_levels[1])
            contour_levels = np.insert(contour_levels, 0, contour_levels[0]-delta)
            contour_levels = np.append(contour_levels, contour_levels[-1]+delta)

        CS = plt.contour(X,Y,Z,contour_levels,zorder=1)
        plt.plot(spx, spy,'or', zorder=3)
        plt.colorbar()

        ax = fig.add_subplot(212, projection='3d')
        ax.plot_surface(X, Y, Z, rstride=3, cstride=3, alpha=0.4)
        if self.testfunction:
            ax.plot_wireframe(X, Y, ZT, rstride=3, cstride=3)
        if show:
            plt.show()



sp = samplingplan(2)  
X = sp.optimallhc(20)

testfun = pyKriging.testfunctions().branin  
y = testfun(X)

k = MyKriging(X, y, testfunction=testfun, name='simple')   
k.train()
k.myplot()

从Python中的对象获取数据数组

1 个答案: