python matplotlib contour画等高线图

2024-07-13 16:30| 来源: 网络整理| 查看: 265

函数画图

以 z = x 2 + y 2 z=x^2+y^2 z=x2+y2为例

#导入模块 import numpy as np import matplotlib.pyplot as plt #建立步长为0.01，即每隔0.01取一个点 step = 0.01 x = np.arange(-10,10,step) y = np.arange(-10,10,step) #也可以用x = np.linspace(-10,10,100)表示从-10到10，分100份 #将原始数据变成网格数据形式 X,Y = np.meshgrid(x,y) #写入函数，z是大写 Z = X**2+Y**2 #设置打开画布大小,长10，宽6 #plt.figure(figsize=(10,6)) #填充颜色，f即filled plt.contourf(X,Y,Z) #画等高线 plt.contour(X,Y,Z) plt.show()

结果如下这里写图片描述颜色越深表示值越小，中间的黑色表示z=0. 当然，也可以不要颜色填充，并只希望输出z=20和z=40两条线，则在上面代码的基础上，将plt.contourf去掉，并：

#只画z=20和40的线，并将颜色设置为黑色 contour = plt.contour(X,Y,Z,[20,40],colors='k') #等高线上标明z（即高度）的值，字体大小是10，颜色分别是黑色和红色 plt.clabel(contour,fontsize=10,colors=('k','r'))

结果如下：这里写图片描述默认是保留3个小数，可以如下保留四位

plt.clabel(contour,fontsize=10,colors=('k','r'),fmt='%.4f')

以下，我将一些常用的功能补充全代码，如下：

#导入模块 import numpy as np import matplotlib.pyplot as plt #建立步长为0.01，即每隔0.01取一个点 step = 0.01 x = np.arange(-10,10,step) y = np.arange(-10,10,step) #也可以用x = np.linspace(-10,10,100)表示从-10到10，分100份 #将原始数据变成网格数据形式 X,Y = np.meshgrid(x,y) #写入函数，z是大写，这里我让中间的0是最大，加了一个负号 Z = -(X**2+Y**2) #填充颜色，f即filled,6表示将三色分成三层，cmap那儿是放置颜色格式，hot表示热温图（红黄渐变） #更多颜色图参考：https://blog.csdn.net/mr_cat123/article/details/80709099 #颜色集，6层颜色，默认的情况不用写颜色层数, cset = plt.contourf(X,Y,Z,6,cmap=plt.cm.hot) #or cmap='hot' #画出8条线，并将颜色设置为黑色 contour = plt.contour(X,Y,Z,8,colors='k') #等高线上标明z（即高度）的值，字体大小是10，颜色分别是黑色和红色 plt.clabel(contour,fontsize=10,colors='k') #去掉坐标轴刻度 #plt.xticks(()) #plt.yticks(()) #设置颜色条，（显示在图片右边） plt.colorbar(cset) #显示 plt.show()

这里写图片描述颜色取反

上面展示的是值越大越白，如果想要让红色在内，则只要在颜色名称后加_r即可。其他颜色映射也是如此

cmap='hor_r'

数据画图

如果是已经有第三维（即高）的数据，那么可以通过数据来画图这里先对mesh.grid作一个解释： mesh.grid可以将x,y轴变成数组（array），比如

这里写图片描述可以看到建立了一个二维平面，详细见：meshgrid应用

比如有：

z = x**2 + y

而z是已经获得的数据，那么如何通过数据将z看成高呢？

import numpy as np import matplotlib.pyplot as plt z_list = [] for y in range(3): for x in range(3): z = x**2+y z_list.append(z) #获得z的数据 z = z_list x = np.linspace(0,2,3) y = np.linspace(0,2,3) [X,Y] = np.meshgrid(x,y) #生成X,Y画布，X,Y都是3*3 #因为z是一维，所以要变成3*3 z = np.mat(z) z = np.array(z) z.shape = (3,3) #画图（建议一定要查看X,Y,z是不是一一对应了） plt.figure(figsize=(10,6)) plt.contourf(x,y,z) plt.contour(x,y,z)

这里写图片描述这里输出X,Y和z如下，已经一一对应。当x=0,y=0,则z=0 当x=0,y=1,则z=1 当x=0,y=2,则z=2 … … 注意:我上面是用的先for y in xxx,再for x in xxx。

另外，也可以输出x,和y统一操作而不需要再写，也不需要用meshgrid函数

x = np.linspace(xxx)

如下：

import numpy as np import matplotlib.pyplot as plt z_list = [] x_list = [] y_list = [] for x in range(3): for y in range(3): z = x**2+y z_list.append(z) x_list.append(x) y_list.append(y) x,y,z = x_list,y_list,z_list #对x操作 x = np.array(x) #将list变成array x.shape = (3,3) #重新分成3*3的array x = np.mat(x).T #变成矩阵并转置，因为array没有转置 #对y操作 y = np.array(y) y.shape = (3,3) y = np.mat(y).T #对z操作 z = np.array(z) z.shape = (3,3) z = np.mat(z).T #画图 plt.figure(figsize=(6,4)) plt.contourf(x,y,z) plt.contour(x,y,z)

这里写图片描述

选择性画图

如果我只想画出等高线某些部分的线，比如想画高为0.00221，和0.00223的线，那么可以使用下面命令

contour = plt.contour(X,Y,Z,[0.00221,0.00223],colors='k')

在这里插入图片描述 ———————————————————我是会卖萌的分割线———————————————————— 以下是我的笔记，大家可以选择不看。

例一

已知x+y+z=163,f=f(x,y,z)找出x,y,z对于的值使得f最大分析：由x+y+z=163可知是有一条线分开，即z=163-x-y,带入f中消掉z，然后再用一个个赋值x,y循环得到f的值，最后采用max挑出f最大的值由于这里是有四个变量，x,y,z,和f,而x+y+z=163,需要做的是画出横坐标为x,纵坐标为y，高为f的等高线图，跟上面的例子已经不同，上面的例子只有三个变量，x,y,和z，画出x为横坐标，y为纵坐标，z为高的图，所以两者是不同的。不同导致的区别如：上面的例子得到的x是：

[0, 0, 0, 1, 1, 1, 2, 2, 2]

而下面将讲的得到的x类似是

[0,0,0,1,1,2]

所以需要将缺省的一个1和两个2的位置补上0,同理y和f也是这里为了快速和简单，只要补充f（下面用z代替了）即可，而x,y可以重新用range生成注意：这里的z跟代码中的z不同，代码中的z是f的值

#导入模块 import numpy as np import matplotlib.pyplot as plt import scipy.interpolate from matplotlib import colors an = [] i = 0 tot = 163 z = np.loadtxt(r'/home/wudl/myfiles/LSPE/data/f90_140_220/FoM1.txt')#加载数据（只加载z坐标这一列） #生成横纵坐标，并且将横纵坐标对应的点z的值放到空列表an中 for x in range(1,162,1): for y in range(1,162,1): if x+y >= 163: an.append(0) else: an.append(z[i]) i += 1 x = np.arange(1,tot-1,1) y = np.arange(1,tot-1,1) X,Y = np.meshgrid(x,y) Z = np.mat(an) Z.shape = (tot-2,tot-2) Z = Z.T #自定义颜色条 colorslist = ['w','gray','aqua'] #将颜色条命名为mylist，一共插值颜色条3000个 cmaps = colors.LinearSegmentedColormap.from_list('mylist',colorslist,N=3000) #画40层颜色 cset = plt.contourf(X,Y,Z,40,cmap = cmaps) #画200条线，设置字体大小为10 contour = plt.contour(X,Y,Z,200,colors='k') plt.clabel(contour,fontsize=10,colors='k') #坐标轴的字体采用LATEX plt.xlabel('$n_{90}$',fontsize=20) plt.ylabel('$n_{220}$',fontsize=20) #显示颜色条 plt.colorbar(cset) #显示图片 plt.show() 例二 from __future__ import division import os os.chdir('/media/sf_Share/fisher_matrix/myLSPE/LSPE4') #ATTENTION:change work dir import matplotlib.pyplot as plt import numpy as np import matplotlib as mpl import settings from matplotlib import colors st = settings.Settings() data = np.loadtxt(r'/media/sf_Share/fisher_matrix/myLSPE/data/fsky0.7/41+95+150/r_0.01/sigma_F_0.1/sigma_F=0.1/threefre.txt') #data = np.loadtxt(r'/media/sf_Share/fisher_matrix/myLSPE/data/threefre.txt') z = data[:,3] #sigma_r zmin = min(z) print(zmin) an = [] i = 0 for x in range(1,st.tot_det-1,st.step): #x_min=1,x_max=161 for y in range(1,st.tot_det-1,st.step): if x+y >= st.tot_det: an.append(0) else: an.append(z[i]) i += 1 x = np.arange(1,st.tot_det-1,st.step) y = np.arange(1,st.tot_det-1,st.step) X,Y = np.meshgrid(x,y) Z = np.mat(an) Z.shape = (X.shape[0],X.shape[0]) Z = Z.T colorslist = ['w','gainsboro','gray','aqua'] #将颜色条命名为mylist，一共插值颜色条50个 cmaps = colors.LinearSegmentedColormap.from_list('mylist',colorslist,N=200) #cmaps = mpl.cm.hot #自定义颜色范围， norm = colors.Normalize(vmin=0.0017,vmax=0.0040) #cset = plt.contourf(X,Y,Z,100,cmap = 'BuGn') cset = plt.contourf(X,Y,Z,100,alpha=1,vmin=0.0017,vmax=0.0040,cmap = 'hot_r') contour = plt.contour(X,Y,Z,[0.00210,0.00220,0.00230,0.00240,0.00250,0.00260,0.00270,0.00280],colors='k') plt.clabel(contour,fontsize=10,colors='k',fmt='%.5f') plt.scatter(2901,6101,color='r') plt.axis([0,10000,0,10000]) plt.colorbar(cset) #plt.xlabel(str(st.nu[0])+ ' frequency') #plt.ylabel(str(st.nu[1])+' frequency') plt.xlabel('$N_{41}$') plt.ylabel('$N_{95}$') plt.show()

在这里插入图片描述

【本文地址】

公司简介

联系我们