python matplotlib contour画等高线图

觉得有用的话,欢迎一起讨论相互学习~

版权声明：本文为CSDN博主「Mr-Cat伍可猫]博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：/Mr_Cat123/article/details/80677525

函数画图

以 z=x2+y2z=x^2+y^2z=x2+y2为例

#导入模块import numpy as npimport matplotlib.pyplot as plt#建立步长为0.01，即每隔0.01取一个点step = 0.01x = np.arange(-10,10,step)y = np.arange(-10,10,step)#也可以用x = np.linspace(-10,10,100)表示从-10到10，分100份#将原始数据变成网格数据形式X,Y = np.meshgrid(x,y)#写入函数，z是大写Z = X**2+Y**2#设置打开画布大小,长10，宽6#plt.figure(figsize=(10,6))#填充颜色，f即filledplt.contourf(X,Y,Z)#画等高线plt.contour(X,Y,Z)plt.show()

结果如下

颜色越深表示值越小，中间的黑色表示z=0.

当然，也可以不要颜色填充，并只希望输出z=20和z=40两条线，则在上面代码的基础上，将plt.contourf去掉，并：

#只画z=20和40的线，并将颜色设置为黑色contour = plt.contour(X,Y,Z,[20,40],colors='k')#等高线上标明z（即高度）的值，字体大小是10，颜色分别是黑色和红色plt.clabel(contour,fontsize=10,colors=('k','r'))

结果如下：

默认是保留3个小数，可以如下保留四位

plt.clabel(contour,fontsize=10,colors=('k','r'),fmt='%.4f')

以下，我将一些常用的功能补充全代码，如下：

#导入模块import numpy as npimport matplotlib.pyplot as plt#建立步长为0.01，即每隔0.01取一个点step = 0.01x = np.arange(-10,10,step)y = np.arange(-10,10,step)#也可以用x = np.linspace(-10,10,100)表示从-10到10，分100份#将原始数据变成网格数据形式X,Y = np.meshgrid(x,y)#写入函数，z是大写，这里我让中间的0是最大，加了一个负号Z = -(X**2+Y**2)#填充颜色，f即filled,6表示将三色分成三层，cmap那儿是放置颜色格式，hot表示热温图（红黄渐变）#更多颜色图参考：/mr_cat123/article/details/80709099#颜色集，6层颜色，默认的情况不用写颜色层数,cset = plt.contourf(X,Y,Z,6,cmap=plt.cm.hot) #or cmap='hot'#画出8条线，并将颜色设置为黑色contour = plt.contour(X,Y,Z,8,colors='k')#等高线上标明z（即高度）的值，字体大小是10，颜色分别是黑色和红色plt.clabel(contour,fontsize=10,colors='k')#去掉坐标轴刻度#plt.xticks(()) #plt.yticks(()) #设置颜色条，（显示在图片右边）plt.colorbar(cset)#显示plt.show()

颜色取反

上面展示的是值越大越白，如果想要让红色在内，则只要在颜色名称后加_r即可。其他颜色映射也是如此

cmap='hor_r'

数据画图

如果是已经有第三维（即高）的数据，那么可以通过数据来画图

这里先对mesh.grid作一个解释：

mesh.grid可以将x,y轴变成数组（array），比如

可以看到建立了一个二维平面，详细见：meshgrid应用

比如有：

z = x**2 + y

而z是已经获得的数据，那么如何通过数据将z看成高呢？

import numpy as npimport matplotlib.pyplot as pltz_list = []for y in range(3):for x in range(3):z = x**2+yz_list.append(z) #获得z的数据z = z_list x = np.linspace(0,2,3)y = np.linspace(0,2,3)[X,Y] = np.meshgrid(x,y) #生成X,Y画布，X,Y都是3*3#因为z是一维，所以要变成3*3z = np.mat(z) z = np.array(z)z.shape = (3,3)#画图（建议一定要查看X,Y,z是不是一一对应了）plt.figure(figsize=(10,6))plt.contourf(x,y,z)plt.contour(x,y,z)

这里输出X,Y和z如下，已经一一对应。

当x=0,y=0,则z=0

当x=0,y=1,则z=1

当x=0,y=2,则z=2

…

…

注意:我上面是用的先for y in xxx,再for x in xxx。

另外，也可以输出x,和y统一操作而不需要再写，也不需要用meshgrid函数

x = np.linspace(xxx)

如下：

import numpy as npimport matplotlib.pyplot as pltz_list = []x_list = []y_list = []for x in range(3):for y in range(3):z = x**2+yz_list.append(z)x_list.append(x)y_list.append(y)x,y,z = x_list,y_list,z_list#对x操作x = np.array(x) #将list变成arrayx.shape = (3,3) #重新分成3*3的arrayx = np.mat(x).T #变成矩阵并转置，因为array没有转置 #对y操作y = np.array(y) y.shape = (3,3)y = np.mat(y).T#对z操作z = np.array(z)z.shape = (3,3)z = np.mat(z).T#画图plt.figure(figsize=(6,4))plt.contourf(x,y,z)plt.contour(x,y,z)

选择性画图

如果我只想画出等高线某些部分的线，比如想画高为0.00221，和0.00223的线，那么可以使用下面命令

contour = plt.contour(X,Y,Z,[0.00221,0.00223],colors='k')

———————————————————我是会卖萌的分割线————————————————————

以下是我的笔记，大家可以选择不看。

例一

已知x+y+z=163,f=f(x,y,z)找出x,y,z对于的值使得f最大

分析：由x+y+z=163可知是有一条线分开，即z=163-x-y,带入f中消掉z，然后再用一个个赋值x,y循环得到f的值，最后采用max挑出f最大的值

由于这里是有四个变量，x,y,z,和f,而x+y+z=163,需要做的是画出横坐标为x,纵坐标为y，高为f的等高线图，跟上面的例子已经不同，上面的例子只有三个变量，x,y,和z，画出x为横坐标，y为纵坐标，z为高的图，所以两者是不同的。不同导致的区别如：

上面的例子得到的x是：

[0, 0, 0, 1, 1, 1, 2, 2, 2]

而下面将讲的得到的x类似是

[0,0,0,1,1,2]

所以需要将缺省的一个1和两个2的位置补上0,同理y和f也是

这里为了快速和简单，只要补充f（下面用z代替了）即可，而x,y可以重新用range生成

注意：这里的z跟代码中的z不同，代码中的z是f的值

#导入模块import numpy as npimport matplotlib.pyplot as pltimport scipy.interpolatefrom matplotlib import colorsan = []i = 0tot = 163z = np.loadtxt(r'/home/wudl/myfiles/LSPE/data/f90_140_220/FoM1.txt')#加载数据（只加载z坐标这一列）#生成横纵坐标，并且将横纵坐标对应的点z的值放到空列表an中for x in range(1,162,1):for y in range(1,162,1):if x+y >= 163:an.append(0)else:an.append(z[i])i += 1x = np.arange(1,tot-1,1)y = np.arange(1,tot-1,1)X,Y = np.meshgrid(x,y)Z = np.mat(an)Z.shape = (tot-2,tot-2)Z = Z.T#自定义颜色条colorslist = ['w','gray','aqua']#将颜色条命名为mylist，一共插值颜色条3000个cmaps = colors.LinearSegmentedColormap.from_list('mylist',colorslist,N=3000)#画40层颜色cset = plt.contourf(X,Y,Z,40,cmap = cmaps)#画200条线，设置字体大小为10contour = plt.contour(X,Y,Z,200,colors='k')plt.clabel(contour,fontsize=10,colors='k')#坐标轴的字体采用LATEXplt.xlabel('$n_{90}$',fontsize=20)plt.ylabel('$n_{220}$',fontsize=20)#显示颜色条plt.colorbar(cset)#显示图片plt.show()

例二

from __future__ import divisionimport osos.chdir('/media/sf_Share/fisher_matrix/myLSPE/LSPE4') #ATTENTION:change work dirimport matplotlib.pyplot as pltimport numpy as npimport matplotlib as mplimport settingsfrom matplotlib import colorsst = settings.Settings()data = np.loadtxt(r'/media/sf_Share/fisher_matrix/myLSPE/data/fsky0.7/41+95+150/r_0.01/sigma_F_0.1/sigma_F=0.1/threefre.txt')#data = np.loadtxt(r'/media/sf_Share/fisher_matrix/myLSPE/data/threefre.txt')z = data[:,3] #sigma_rzmin = min(z)print(zmin)an = []i = 0for x in range(1,st.tot_det-1,st.step):#x_min=1,x_max=161for y in range(1,st.tot_det-1,st.step):if x+y >= st.tot_det:an.append(0)else:an.append(z[i])i += 1x = np.arange(1,st.tot_det-1,st.step)y = np.arange(1,st.tot_det-1,st.step)X,Y = np.meshgrid(x,y)Z = np.mat(an)Z.shape = (X.shape[0],X.shape[0])Z = Z.Tcolorslist = ['w','gainsboro','gray','aqua']#将颜色条命名为mylist，一共插值颜色条50个cmaps = colors.LinearSegmentedColormap.from_list('mylist',colorslist,N=200)#cmaps = mpl.cm.hot#自定义颜色范围，norm = colors.Normalize(vmin=0.0017,vmax=0.0040)#cset = plt.contourf(X,Y,Z,100,cmap = 'BuGn') cset = plt.contourf(X,Y,Z,100,alpha=1,vmin=0.0017,vmax=0.0040,cmap = 'hot_r')contour = plt.contour(X,Y,Z,[0.00210,0.00220,0.00230,0.00240,0.00250,0.00260,0.00270,0.00280],colors='k')plt.clabel(contour,fontsize=10,colors='k',fmt='%.5f')plt.scatter(2901,6101,color='r')plt.axis([0,10000,0,10000])plt.colorbar(cset)#plt.xlabel(str(st.nu[0])+ ' frequency')#plt.ylabel(str(st.nu[1])+' frequency')plt.xlabel('$N_{41}$')plt.ylabel('$N_{95}$')plt.show()