来自 x、y、z 值的 matplotlib 2D 图

Question

我是 Python 初学者。

我有一个 X 值列表

x_list = [-1,2,10,3]

我有一个 Y 值列表

y_list = [3,-3,4,7]

然后我有每对夫妇的 Z 值。 从原理上讲，它是这样工作的：

X   Y    Z
-1  3    5
2   -3   1
10  4    2.5
3   7    4.5

Z 值存储在z_list = [5,1,2.5,4.5]中。 我需要得到一个 2D 图，其中 X 轴上的 X 值、Y 轴上的 Y 值以及由强度图表示的每一对 Z 值。 这是我尝试过的，但没有成功：

X, Y = np.meshgrid(x_list, y_list) 
fig, ax = plt.subplots()
extent = [x_list.min(), x_list.max(), y_list.min(), y_list.max()]
im=plt.imshow(z_list, extent=extent, aspect = 'auto')
plt.colorbar(im)
plt.show()

如何正确完成这项工作？

Answer 1

问题是imshow(z_list, ...)会期望z_list是一个(n,m)类型的数组，基本上是一个值网格。 要使用 imshow 函数，您需要为每个网格点设置 Z 值，这可以通过收集更多数据或插值来完成。

这是一个示例，使用具有线性插值的数据：

from scipy.interpolate import interp2d

# f will be a function with two arguments (x and y coordinates),
# but those can be array_like structures too, in which case the
# result will be a matrix representing the values in the grid 
# specified by those arguments
f = interp2d(x_list,y_list,z_list,kind="linear")

x_coords = np.arange(min(x_list),max(x_list)+1)
y_coords = np.arange(min(y_list),max(y_list)+1)
Z = f(x_coords,y_coords)

fig = plt.imshow(Z,
           extent=[min(x_list),max(x_list),min(y_list),max(y_list)],
           origin="lower")

# Show the positions of the sample points, just to have some reference
fig.axes.set_autoscale_on(False)
plt.scatter(x_list,y_list,400,facecolors='none')

您可以看到它在您的样本点（由x_list和y_list指定，由半圆显示）显示正确的值，但由于插值的性质和样本点的数量很少，它在其他地方的变化更大.

Answer 2

这是一种方法：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import LogNorm

x_list = np.array([-1,2,10,3])
y_list = np.array([3,-3,4,7])
z_list = np.array([5,1,2.5,4.5])

N = int(len(z_list)**.5)
z = z_list.reshape(N, N)
plt.imshow(z, extent=(np.amin(x_list), np.amax(x_list), np.amin(y_list), np.amax(y_list)), norm=LogNorm(), aspect = 'auto')
plt.colorbar()
plt.show()

我点击了这个链接： 如何在 python 中绘制密度图？

Answer 3

在使用 python 和 matplotlib 时我没有那么敏锐，但我想分享我的经验。 我的问题是我的 X 和 Y 数据集长度不一样，而且是相对较重的数据集，使用上述任何方法都证明是功能失调的。 因此，我使用带有循环的繁重、不雅的方法来填充 Z 矩阵。 在我的笔记本电脑上需要 2-3 分钟，但它完全符合我的要求。

"""
@author: Benoit
"""
import matplotlib.pyplot as plt
plt.style.use('seaborn-white')
import numpy as np
import matplotlib.cm as cm


data = np.genfromtxt('MY_DATA_FILE.csv', delimiter=';', skip_header = 1)


#list of X, Y and Z
x_list = data[:,0]
y_list = data[:,1]
z_list = data[:,2]

length = np.size(x_list)

#list of X and Y values (np.unique removes redundancies)
N_x = np.unique(x_list)
N_y = np.unique(y_list)
X, Y = np.meshgrid(N_x,N_y)

length_x = np.size(N_x)
length_y = np.size(N_y)

#define empty intensity matrix
Z = np.full((length_x, length_y), 0)


#the f function will chase the Z values corresponding
# to a given x and y value

def f(x, y):
    for i in range(0, length):
        if (x_list[i] == x) and (y_list[i] == y):
            return z_list[i]
        
#a loop will now populate the Z matrix
for i in range(0, length_x - 1):
    for j in range(0, length_y - 1):
        Z[i,j] = f(N_x[i], N_y[j])

#and then comes the plot, with the colour-blind-friendly viridis colourmap
plt.contourf(X, Y, np.transpose(Z), 20, origin = 'lower', cmap=cm.viridis, alpha = 1.0);
cbar = plt.colorbar()
cbar.set_label('intensity (a.u.)')

#optional countour lines:
"""contours = plt.contour(X, Y, np.transpose(Z), colors='black');
plt.clabel(contours, inline=True, fontsize=8)
"""
plt.xlabel('X_TITLE (unit)')
plt.ylabel('Y_TITLE (unit)')
plt.axis(aspect='image')

plt.show()
plt.savefig('TYPE_YOUR_NAME.png', DPI = 600)