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入门到进阶,爬虫数据分析全套资料分享讲解 (#1)
这么详细的Python matplotlib底层原理浅析_
这么详细的Python matplotlib 绘制图形 还不赶紧收藏_
超详细的Python matplotlib 绘制直方图 赶紧收藏_
超详细的Python matplotlib 绘制柱状图_
Python matplotlib 绘制饼图_
python matplotlib绘制折线图_
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
导入matplotlib.pyplot模块准备数据,可以使用numpy/pandas整理数据调用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
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)复制代码
绘制等高线
import matplotlib.pyplot as pltplt.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:cmapcolors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
```pythonplt.contour(x,y,z,colors="r",linestyles="dashed",linewidths=np.arange(0.5,4,0.5),alpha=0.5)```复制代码
传入colors列表
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
z = np.exp(-x**2-y**2)z1 = np.exp(-(x-1)**2-(y-1)**2)Z = (z-z1)*2plt.contour(x,y,Z,cmap='afmhot_r',linewidths=np.arange(0.5,4,0.5))复制代码
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
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
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
z = (x**2+y**5)*np.exp(-x**2-y**2)z1 = np.exp(-(x-1)**2-(y-1)**2)Z = (z-z1)*2cs = 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
学习本节过程中,高中的数学知识都还给老师,摸摸头,头发怎么又掉了😱