基於python,Matplotlib繪制函數的等高線與三維圖像

Posted on by

本篇文章記錄一下函數的等高線及其三維圖像的可視化方法。

本例繪制的函數為：

1. 網格點

  在繪制曲線之前，先瞭解一下網格點的繪制。比如繪制一個3×3的網格，那麼就需要9個坐標點：

(0,2)—–(1,2)—–(2,2)

(0,1)—–(1,1)—–(2,1)

(0,0)—–(1,0)—–(2,0)

  將其x軸和y軸坐標分開表示：

# x軸:
[[0, 1, 2],
[0, 1, 2], 
[0, 1, 2]]
# y軸:
[[0, 0, 0],
[1, 1, 1], 
[2, 2, 2]]

  在numpy中可以使用np.meshgrid()來生成網格點：

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()

在這裡插入圖片描述

2. 等高線

  繪制等高線需要的數據有點的坐標位置(x, y)以及坐標的高度z，高度z就是將坐標點(x, y)帶入函數f ( x , y ) f(x, y)f(x,y)中計算得到的，在matplotlib中可以使用plt.contour()來繪制：

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()

在這裡插入圖片描述

 

# add color
plt.contourf(X, Y, f, levels=10, cmap=plt.cm.cool)
# plt.colorbar()
# plt.savefig('img1.png')
plt.show()

在這裡插入圖片描述

 更多的api參數請參考官方文檔。

3. 三維圖像

  函數的三維圖像的繪制需要的數據與等高線一樣，即坐標位置(x, y)以及坐標的高度z，在matplotlib中可以使用mpl_toolkits.mplot3d來繪制：

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()

在這裡插入圖片描述

在這裡插入圖片描述

在這裡插入圖片描述

在這裡插入圖片描述

到此這篇關於基於python,Matplotlib繪制函數的等高線與三維圖像的文章就介紹到這瞭,更多相關Matplotlib繪制函數的等高線與三維圖像內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

  有關mpl_toolkits.mplot3d的使用可以參考官方文檔；

  更多的顏色搭配可參考matplotlib的colormap官方手冊。

推薦閱讀：