python matplotlib contour画等高线图
函数画图html
以 为例python
#导入模块 import numpy as np import matplotlib.pyplot as plt #创建步长为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) #也能够用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()
结果以下
颜色越深表示值越小，中间的黑色表示z=0.
固然，也能够不要颜色填充，并只但愿输出z=20和z=40两条线，则在上面代码的基础上，将plt.contourf去掉，并：web
#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'))
结果以下：
默认是保留3个小数，能够以下保留四位数组
plt.clabel(contour,fontsize=10,colors=('k','r'),fmt='%.4f')
如下，我将一些经常使用的功能补充全代码，以下：app
#导入模块 import numpy as np import matplotlib.pyplot as plt #创建步长为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) #也能够用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表示将三色分红三层，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，默认的状况不用写颜色层数, 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svg
上面展现的是值越大越白，若是想要让红色在内，则只要在颜色名称后加_r便可。其余颜色映射也是如此函数
cmap='hor_r'
数据画图字体
若是是已经有第三维（即高）的数据，那么能够经过数据来画图
这里先对mesh.grid做一个解释：
mesh.grid能够将x,y轴变成数组（array），好比ui
能够看到创建了一个二维平面，详细见：meshgrid应用spa
好比有：
z = x**2 + y
而z是已经得到的数据，那么如何经过数据将z当作高呢？
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) #得到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
#由于z是一维，因此要变成3*3
z = np.mat(z)
z = np.array(z)
z.shape = (3,3)
#画图（建议必定要查看X,Y,z是否是一一对应了）
plt.figure(figsize=(10,6))
plt.contourf(x,y,z)
plt.contour(x,y,z)
这里输出X,Y和z以下，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，也能够输出x,和y统一操做而不须要再写，也不须要用meshgrid函数
x = np.linspace(xxx)
以下：
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操做
x = np.array(x) #将list变成array
x.shape = (3,3) #从新分红3*3的array
x = np.mat(x).T #变成矩阵并转置，由于array没有转置
#对y操做
y = np.array(y)
y.shape = (3,3)
y = np.mat(y).T
#对z操做
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
若是我只想画出等高线某些部分的线，好比想画高为0.00221，和0.00223的线，那么可使用下面命令
contour = plt.contour(X,Y,Z,[0.00221,0.00223],colors='k')
———————————————————我是会卖萌的分割线————————————————————
如下是个人笔记，你们能够选择不看。
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，而后再用一个个赋值x,y循环获得f的值，最后采用max挑出f最大的值
因为这里是有四个变量，x,y,z,和f,而x+y+z=163,须要作的是画出横坐标为x,纵坐标为y，高为f的等高线图，跟上面的例子已经不一样，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，因此二者是不一样的。不一样致使的区别如：
上面的例子获得的x是：
[0, 0, 0, 1, 1, 1, 2, 2, 2]
而下面将讲的获得的x相似是
[0,0,0,1,1,2]
因此须要将缺省的一个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）便可，而x,y能够从新用range生成
注意：这里的z跟代码中的z不一样，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，而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()