使用python matplotlib contour画等高线图的详细过程讲解
作者：Mr-Cat伍可猫
最近学习了matplotlib中的高线图的绘制,所以下面这篇文章主要给大家介绍了关于使用python matplotlib contour画等高线图的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
函数画图
以 z = x 2 + y 2 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
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：
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()
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
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)
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')
———————————————————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()
总结
到此这篇关于使用python matplotlib contour画等高线图的文章就介绍到这了,更多相关python matplotlib contour画等高线图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！