使用稀疏数据在python中绘制2d等高线图

时间:2017-07-06 16:40:27

标签: python matplotlib multidimensional-array plot imshow

我有一些来自海洋环流模型(MITgcm)的输出数据。它是一个理想化的通道(笛卡尔),所以几何形状并不令人困惑,幸运的是。

我想在y-z平面上绘制一些场(速度,温度等)。模拟域涉及30个垂直层,其中每个层是800x400 y-x网格。我将每个字段存储在numpy数组中,其形状(30,800,400)分别为z,y,x。

我可以轻松地为30个垂直水平绘制x-y平面切片。我可以使用matplotlib的contourf或imshow并将范围更改为以km为单位的正确物理值。

问题是垂直层间隔不均匀。我有Z的网格数据,它告诉我每个层对应的物理深度(以米为单位)。

Z是:[ - 5。 -15。 -25。 -36。 -49。 -65。 -84。 -105.5 -130.5 -159.5 -192.5 -230。 -273。 -322.5 -379。 -443。 -515。 -596。 -688。 -792。 -909.5 -1042.5 -1192.5 -1362。 -1553.5 -1770。 -2015。  -2285。 -2565。 -2845]

我试图通过创建一个2985的空矩阵(因为完整的域深度为2985m)并且垂直'层,并在上面的Z给出的30层的相应位置输入y数据(这里yz_zonal是(30,800)数据值矩阵):

yz_matrix = np.empty((2985, 800)) #empty matrix for yz-plane data, vertical extent is 2985 (m)

for i in range(len(Z)):
     yz_matrix[round(-Z[i])] = yz_zonal[i] #set matrix values to correct depths

然后,如果我尝试使用matplotlib' s imshow绘制yz_matrix,请执行以下操作:

fig = plt.figure()
ax = fig.add_subplot(111)
ax.set_xlabel('y (km)')
ax.set_ylabel('z (m)')
yzplot = ax.imshow(yz_matrix, aspect='auto', interpolation='gaussian', cmap='inferno', extent=[0,2000,-2985,0])
plt.colorbar(yzplot)

我得到这个数字:BAD y-z plot of velocity data

在正确的物理z位置有30条数据值,但它们之间存在整个零的负载。我只想在30个条带之间插入数据并忽略所有其他点。

如果有人能为我解决这个问题,那就太棒了。提前谢谢!

彼得

2 个答案:

答案 0 :(得分:1)

从matplotlib网站查看此example,尤其是函数np.meshgridplt.contourf。像这样的不规则z的东西会起作用:

z = [1,2,5,10]
x = [1,2,3,4,5,6,7,8]

zz, xx = np.meshgrid(z, x)

# create some data
values = np.random.randn(len(x), len(z))

plt.contourf(zz, xx, values)
plt.show()

答案 1 :(得分:1)

您可以直接将yz_matrix绘制为pcolormesh,将z和y数据的网格网格作为坐标。这将导致不同大小的单元,其扩展到z中的下一个值。见左下图。

您也可以在新的更精细的网格上插入数据。为此,可以使用scipy.interpolate.griddata

enter image description here

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata

z = np.array([-5.,-15.,-25.,-36.,-49.,-65.,-84.,-105.5,-130.5,-159.5,-192.5,
              -230.,-273.,-322.5,-379.,-443.,-515.,-596.,-688.,-792.,-909.5,
              -1042.5,-1192.5,-1362.,-1553.5,-1770.,-2015.,-2285.,-2565.,-2845.])
y = np.arange(0,100)
yz_matrix = np.cumsum(np.random.rand(len(z), len(y)), axis=0)

fig, (ax, ax2) = plt.subplots(ncols=2)

# plot raw data as pcolormesh
Y,Z = np.meshgrid(y,z[::-1])
ax.pcolormesh(Y,Z, yz_matrix, cmap='inferno')
ax.set_title("pcolormesh data")

# now interpolate data to new grid 
zi = np.arange(-2845,-5)
YI,ZI = np.meshgrid(y,zi)
points = np.c_[Y.flatten(),Z.flatten()]

interp = griddata(points, yz_matrix.flatten(), (YI,ZI), method='linear')

ax2.pcolormesh(YI,ZI, interp, cmap='inferno')
ax2.set_title("pcolormesh interpolated")

plt.show()