阅读 356

Python+matplotlib实现绘制等高线图示例详解

在matplotlib.pyplot中除了可以绘制常规图表如折线、柱状、散点等，还可以绘制常用在地理上的平面展示地型的等高线图，本文主要为大家介绍了如何利用matplotlib绘制等高线图，需要的可以参考一下

目录

  • 前言

  • 1. 等高线图概述

    • 什么是等高线图？

    • 等高线图常用场景

    • 绘制等高线图步骤

    • 案例展示

  • 2. 等高线图属性

    • 设置等高线颜色

    • 设置等高线透明度

    • 设置等高线颜色级别

    • 设置等高线宽度

    • 设置等高线样式

  • 3. 显示轮廓标签

    • 4. 填充颜色

      • 5. 添加颜色条说明

        • 总结

          前言

          我们在往期对matplotlib.pyplot()方法学习，到现在我们已经会绘制折线图、柱状图、散点等常规的图表啦（往期的内容如下，大家可以方便查看往期内容）

          Python matplotlib底层原理解析

          Python利用 matplotlib 绘制直方图

          Python用 matplotlib 绘制柱状图

          python 用matplotlib绘制折线图详情

          在matplotlib.pyplot 中除了可以绘制常规图表如折线、柱状、散点等，还可以绘制常用在地理上的平面展示地型的等高线图

          本期，我们将详细学习matplotlib 绘制等高线图相关属性的学习，let's go~

          1. 等高线图概述

          什么是等高线图？

          • 等高线图又称为水平图，通过2D形式展示3D图像的图表

          • 等高线图又称为等高地线图，将地表高度相同的点连成一个环线展示到平面曲线上

          • 等高线图又称为Z切片图，因变量Z与自变量X,Y变化而变化

          • 等高线图可以分为首曲线、计曲线、间曲线与助曲线

          等高线图常用场景

          • 等高线图常用在展示某地地形情况

          • 等高线图也可以计算当地山地高低情况

          • 等高线图常用于地质、地理勘察绘制而成

          • 等高线图也可以用于绘制圆形、椭圆形等数学公式展示

          绘制等高线图步骤

          1. 导入matplotlib.pyplot模块

          2. 准备数据，可以使用numpy/pandas整理数据

          3. 调用pyplot.contour()或者pyplot.contourf()绘制等高线

          案例展示

          等高线图绘制需要借助很多高中所学的三角函数、指数函数等公式，我们本期案例使用等高线方法汇总圆

          案例数据准备

          np.arrage()准备一系列连续的数据

          np.meshgrid()将数据转换成矩阵

          1
          2
          3
          4
          5
          6
          7
          8
          import numpy as np
          # 定义一组连续的数据
           
          x_value = np.arange(-5,5,0.1)
          y_value = np.arange(-5,5,0.1)
           
          # 转换成矩阵数据
          x,y = np.meshgrid(x_value,y_value)

          绘制等高线

          1
          2
          3
          4
          5
          6
          7
          8
          9
          10
          import matplotlib.pyplot as plt
          plt.contour(x,y,z)
            
          plt.title("Display Contour")
          plt.xlabel("x(m)")
          plt.ylabel("y(m)")
            
          plt.show()
            
          plt.show()

          2. 等高线图属性

          设置等高线颜色

          关键字：colors

          取值范围:

          • 表示颜色的英文单词：如红色"red"

          • 表示颜色单词的简称如：红色"r",黄色"y"

          • RGB格式：十六进制格式如"#88c999";(r,g,b)元组形式

          • 也可以传入颜色列表

          设置等高线透明度

          关键字：alpha

          默认为1

          取值范围为：0~1

          设置等高线颜色级别

          关键字：cmap


          colors和cmap两个关键字不能同时提供

          取值为：注册的颜色表明

          • 形式如："颜色表_r"

          • 常用的有：'Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG', 'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap', 'CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens'

          设置等高线宽度

          关键字：linewidths

          默认为等高线宽度为1.5

          取值可以float类型或者列表

          设置等高线样式

          关键字：linestyles

          默认值为：solid

          取值可选：{None, 'solid', 'dashed', 'dashdot', 'dotted'}

          linestyles为None且线条为单色时，负轮廓的线条会设置成dashed

          我们对上一节的等高线图添加一些属性

          线条为红色，线条宽度逐渐增大，线条样式为dashed,透明度设置为0.5

          1
          2
          3
          4
          5
          ```python
          plt.contour(x,y,z,colors="r",
          linestyles="dashed",
          linewidths=np.arange(0.5,4,0.5),alpha=0.5)
          ```

          传入colors列表

          1
          2
          3
          plt.contour(x,y,z,
          colors=('r','green','blue',(1,1,0),"#afeeee","0.5"),
          linewidths=np.arange(0.5,4,0.5))

          为等高线图，设置cmap为红色系

          1
          2
          3
          4
          5
          6
          7
          z = np.exp(-x**2-y**2)
          z1 = np.exp(-(x-1)**2-(y-1)**2)
          Z = (z-z1)*2
            
          plt.contour(x,y,Z,
          cmap='afmhot_r',
          linewidths=np.arange(0.5,4,0.5))

          3. 显示轮廓标签

          我们查看等高线图时，轮廓标签会辅助我们更好的查看图表。添加轮廓标签，我们需要借助clabe

          • pyplot.contour()绘制等高线方法，会返回QuadContourset

          • QuadContourset 包含level列表数据

          • 使用pyplot.clabel()接受level列表数据标注在等高线上

          1
          2
          3
          4
          5
          6
          7
          8
          9
          10
          x_value = np.arange(-3,3,0.025)
          y_value = np.arange(-3,3,0.025)
            
          x,y = np.meshgrid(x_value,y_value)
            
          z = (1-x**2+y**5)*np.exp(-x**2-y**2)
            
          cs = plt.contour(x,y,z,cmap="Blues_r",linewidths=np.arange(0.5,4,0.5))
            
          plt.clabel(cs,fontsize=9,inline=True)

          4. 填充颜色

          通常在等高线图中，不同区域填充不一样的颜色，帮助我们查看图表时更好地理解

          使用pyplot.contourf()对比同区域轮廓进行填充颜色

          1
          2
          3
          4
          5
          6
          7
          z = (1-x**2+y**5)*np.exp(-x**2-y**2)
            
          cs = plt.contour(x,y,z,10,colors="b",linewidths=0.5)
            
          plt.clabel(cs,fontsize=12,inline=True)
            
          plt.contourf(x,y,z,10,cmap="Blues_r",alpha=0.75)

          5. 添加颜色条说明

          我们可以借助pyplot.colorbar()方法来添加颜色条说明

          1
          2
          3
          4
          5
          6
          7
          8
          9
          10
          11
          z = (x**2+y**5)*np.exp(-x**2-y**2)
          z1 = np.exp(-(x-1)**2-(y-1)**2)
          Z = (z-z1)*2
            
          cs = plt.contour(x,y,Z,10,colors="black",linewidths=0.5)
            
          plt.clabel(cs,fontsize=12,inline=True)
            
          plt.contourf(x,y,Z,10,cmap="afmhot_r",alpha=0.5)
            
          plt.colorbar(shrink=0.8)

          总结

          本期对matplotlib.pyplot 绘制等高线方法contour和contourf相关属性的学习。在绘制等高线图时，我们需要对三角函数、指数函数、正余弦函数等知识有一点了解，才能绘制出想要的图表 

          以上就是Python+matplotlib实现绘制等高线图示例详解的详细内容

          原文链接：https://blog.csdn.net/weixin_54556126/article/details/121439373


          文章分类
          代码人生
          文章标签
          Python+matplotlib
          版权声明：本站是系统测试站点，无实际运营。本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 XXXXXXo@163.com 举报，一经查实，本站将立刻删除。
          相关推荐