Matplotlib绘制函数的等高线与三维图像
夏小悠 人气:0本篇文章记录一下函数的等高线及其三维图像的可视化方法。
本例绘制的函数为：
1. 网格点
在绘制曲线之前，先了解一下网格点的绘制。比如绘制一个3x3的网格，那么就需要9个坐标点：
(0,2)-----(1,2)-----(2,2)
(0,1)-----(1,1)-----(2,1)
(0,0)-----(1,0)-----(2,0)
将其x轴和y轴坐标分开表示：
# x轴: [[0, 1, 2], [0, 1, 2], [0, 1, 2]] # y轴: [[0, 0, 0], [1, 1, 1], [2, 2, 2]]
在numpy中可以使用np.meshgrid()来生成网格点：
import numpy as np import matplotlib.pyplot as plt # 10x10 x = np.linspace(-1.5, 1.5, num=10) y = np.linspace(-1.5, 1.5, num=10) # generate grid X, Y = np.meshgrid(x, y) plt.plot(X, Y, marker='.', linestyle='') plt.grid(True) plt.show()
2. 等高线
绘制等高线需要的数据有点的坐标位置(x, y)以及坐标的高度z，高度z就是将坐标点(x, y)带入函数f ( x , y ) f(x, y)f(x,y)中计算得到的，在matplotlib中可以使用plt.contour()来绘制：
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1.5, 1.5, num=100)
y = np.linspace(-1.5, 1.5, num=100)
X, Y = np.meshgrid(x, y)
f = X * np.exp(-X**2 - Y**2)
fig = plt.figure()
plt.xlim(-1.5, 1.5)
plt.ylim(-1.5, 1.5)
# draw
ax = plt.contour(X, Y, f, levels=10, cmap=plt.cm.cool)
# add label
plt.clabel(ax, inline=True)
# plt.savefig('img1.png')
plt.show()
# add color
plt.contourf(X, Y, f, levels=10, cmap=plt.cm.cool)
# plt.colorbar()
# plt.savefig('img1.png')
plt.show()
更多的api参数请参考官方文档。
3. 三维图像
函数的三维图像的绘制需要的数据与等高线一样，即坐标位置(x, y)以及坐标的高度z，在matplotlib中可以使用mpl_toolkits.mplot3d来绘制：
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
x = np.linspace(-1.5, 1.5, num=100)
y = np.linspace(-1.5, 1.5, num=100)
X, Y = np.meshgrid(x, y)
f = X * np.exp(-X**2 - Y**2)
fig = plt.figure()
ax = Axes3D(fig)
plt.xlim(-1.5, 1.5)
plt.ylim(-1.5, 1.5)
ax.plot_surface(X, Y, f, cmap=plt.cm.cool)
# plt.savefig('img1.png')
plt.show()
有关mpl_toolkits.mplot3d的使用可以参考官方文档；
更多的颜色搭配可参考matplotlib的colormap官方手册。
加载全部内容