Matplotlib浅析(2)

Matplotlib画图浅析（2)

标签（空格分隔）： python

---

接下里讲一下如何生成等高线图和3D图。

等高线图

其中需要用到两个函数
contour:绘制等高线
contourf:填充等高线
两个的返回值是一样的
常用参考语法：

plt.contourf(x,y,z,使用颜色数,cmap=颜色映射)
plt.contour(x,y,z,等高线数,colors=颜色,linewidth=线宽)

下面来看个例子吧

import numpy as np 
import matplotlib.pyplot as plt
n = 1000

x, y = np.meshgrid(np.linspace(-3,3,n),np.linspace(-3,3,n))
z = (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)


plt.figure('Contour',facecolor='lightgray')
plt.title('Contour',fontsize=20)
plt.xlabel('x')
plt.ylabel('y')


plt.contourf(x,y,z,8,cmap='jet')
cntr = plt.contour(x,y,z,8,color='black',ilnwidth=0.5)

plt.clabel(cntr,inline_spacing=1,fmt='%.1f',fontsize=6)

最后结果如下:

等高线图.png

3D图

首先在进行 3D Plot 时除了导入 matplotlib ，还要额外添加一个模块，即 Axes 3D 3D 坐标轴显示：

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

之后要先定义一个图像窗口，在窗口上添加3D坐标轴，显示成下图：

fig = plt.figure()
ax = Axes3D(fig)

结果如下:

3D图.png

接下来给进 X 和 Y 值，并将 X 和 Y 编织成栅格。每一个（X, Y）点对应的高度值我们用下面这个函数来计算。

# X, Y value
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)    # x-y 平面的网格
R = np.sqrt(X ** 2 + Y ** 2)
# height value
Z = np.sin(R)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))

结果如下：

3D图.png

其中rstride与catride分表表示在行和列上的跨度，即数字越大，线与线之间的跨度越大，大家可以尝试一下。

绘制等高线

ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))

zdir是以某一轴的数据当作高度，此处是z，那么是xy平面的投影。

3D图.png