创建2D轮廓图

Question

好的，我在这里全然不知所措。 我想我正在尝试构建2D轮廓图。 我不确定这是否是我实际上试图构建的地块的名称。 我有一张我要构造的图片的附件

我发现了一些有用的问题和有关构建此类图的指南（ Python：3个列表中的2d等高线图 ， https ://matplotlib.org/api/_as_gen/matplotlib.pyplot.contour.html ）是我遇到的问题就是一切都需要您的x和y轴具有相同数量的数据点。 但是，我的x轴列表具有26个值，而我的y轴列表具有1024个值。 表示每个相应数据点需要什么颜色的列表长26 * 1024 = 26624个数据点。

我将尝试解释描述情节的数据如何工作，但是以防万一，如果我做得不好，我还将附上示例数据。 基本上，它列出一个x值1024次。 每次列出x值时，都会列出相应的y和z值。 然后它将移至下一个x值。

例如：

x = np.array([0,0,0,0,0,1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4])
y = np.array([0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1)]
color_map = random.sample(xrange(10), 25)

我提取数据没有问题，只是在提取数据后知道如何处理数据

FLR = np.genfromtxt("C:\\Users\\Downloads\\Python\\aupnipam_scan41_3DFLR(1).txt")
x = FLR[:,][:,0]
y = FLR[:,][:,1]
z = FLR[:,][:,2]

请帮忙！

Answer 1

我相信您正在寻找的是matplotlib中的此功能

pcolormesh(x, y, z)

解决问题的最佳方法是遵循此页面上包含的脚本。

您可以共享一种可以复制的格式的数据吗？ 我可以共享一个与您的数据一起使用的代码段，以便进一步澄清。

Answer 2

不需要沿两个轴具有相同数量的数据。 同

x = np.array([0,0,0,0,0,1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4])
y = np.array([0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1, 
              0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1)]

您有nx = 5不同的x值和ny = 5不同的y值，但同样可以有不同数量的值。 唯一的要求是您要么

• 与这两个数字的乘积一样多的z值，在这种情况下为25

   z = np.random.rand(nx*ny) 

• 在这种情况下，与每个数字的乘积除以1的z值一样多。

   z = np.random.rand((nx-1)*(ny-1)) 

取决于要在网格边缘还是在中心边缘定义值。

在这种情况下，似乎第一种情况适用。

因此，您只需将数据重塑为2D数组（在这种情况下，将其转置，因为x值沿着第二个数组维）。

nx = 5
ny = 5

Z = z.reshape(ny, nx).T

最后，您可以使用imshow对其进行imshow 。 然后，棘手的部分是设置正确的图像范围，因为图像边缘不在中心像素位置，而是向右或向左移动了一半像素宽度。

extent = [x.min()-np.diff(x)[0]/2.,x.max()+np.diff(x)[0]/2.,
          y.min()-np.diff(y)[0]/2.,y.max()+np.diff(y)[0]/2.,]
plt.imshow(Z, extent=extent, aspect="auto")

plt.show()

Answer 3

绘制不规则数据轮廓的另一种方法：

import numpy as np
from scipy.interpolate import griddata

x = np.array([0,0,0,0,0,1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4])
y = np.array([0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1, 0.2, 0.4, 0.6, 0.8, 1])
z = np.random.rand(25)
xi = np.linspace(min(x),max(x),100)
yi = np.linspace(min(y),max(y),100)
zi = griddata((x,y),z,(xi[None:,],yi[:,None]),method='linear',fill_value=0.0)
plt.contourf(xi,yi,zi)
plt.colorbar()
plt.show()