01-20 09:56 阅读 185

基于python,Matplotlib绘制函数的等高线与三维图像

这篇文章主要介绍了基于python,Matplotlib绘制函数的等高线与三维图像,函数的等高线及其三维图像的可视化方法,下面一起来学习具体内容吧，需要的小伙伴可以参考一下

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()

在这里插入图片描述

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()

在这里插入图片描述

1

2

3

4

5

# add color

plt.contourf(X, Y, f, levels=10, cmap=plt.cm.cool)

# plt.colorbar()

# plt.savefig('img1.png')

plt.show()

在这里插入图片描述

更多的api参数请参考官方文档。

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()

在这里插入图片描述

到此这篇关于基于python,Matplotlib绘制函数的等高线与三维图像的文章就介绍到这了

原文链接：https://blog.csdn.net/qq_42730750/article/details/122564379