如何使用 Matplotlib 可视化标量 2D 数据？
Posted
技术标签:
【中文标题】如何使用 Matplotlib 可视化标量 2D 数据？【英文标题】：How to visualize scalar 2D data with Matplotlib? 【发布时间】：2011-07-04 21:38:35 【问题描述】：所以我有一个网格（矩阵 X 和 Y）以及标量数据（矩阵 Z），我需要将其可视化。最好是一些 2D 图像，在显示 Z 值的点处具有颜色。 我做了一些研究，但没有找到任何符合我想要的东西。
pyplot.imshow(Z) 看起来不错，但它不带我的 X 和 Y 矩阵，所以轴是错误的，它无法处理 X 和 Y 给出的非线性间隔点。
pyplot.pcolor(X,Y,Z) 使用与其中一个角的数据相对应的颜色制作彩色正方形，因此它有点歪曲数据（它应该在其中心或其他地方显示数据）。此外，它忽略了数据矩阵中的两条边。
我很确定在 Matplotlib 的某个地方一定存在一些更好的方法，但是文档很难获得概述。所以我问其他人是否知道更好的方法。如果它允许我刷新矩阵 Z 以制作动画，则奖励。
【问题讨论】：
【参考方案1】：这看起来不错，但效率低：
from pylab import *
origin = 'lower'
delta = 0.025
x = y = arange(-3.0, 3.01, delta)
X, Y = meshgrid(x, y)
Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
Z = 10 * (Z1 - Z2)
nr, nc = Z.shape
CS = contourf(
X, Y, Z,
levels = linspace(Z.min(), Z.max(), len(x)),
ls = '-',
cmap=cm.bone,
origin=origin)
CS1 = contour(
CS,
levels = linspace(Z.min(), Z.max(), len(x)),
ls = '-',
cmap=cm.bone,
origin=origin)
show()
是我，我会重新插入（使用 scipy.interpolate）数据到常规网格并使用 imshow()，设置范围以固定轴。
编辑（每条评论）：
等高线图的动画可以像这样完成，但是，就像我说的那样，上面的方法效率很低，只是简单地滥用了等高线图功能。做你想做的最有效的方法是使用 SciPy。你安装了吗？
import matplotlib
matplotlib.use('TkAgg') # do this before importing pylab
import time
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
def animate():
origin = 'lower'
delta = 0.025
x = y = arange(-3.0, 3.01, delta)
X, Y = meshgrid(x, y)
Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
Z = 10 * (Z1 - Z2)
CS1 = ax.contourf(
X, Y, Z,
levels = linspace(Z.min(), Z.max(), 10),
cmap=cm.bone,
origin=origin)
for i in range(10):
tempCS1 = contourf(
X, Y, Z,
levels = linspace(Z.min(), Z.max(), 10),
cmap=cm.bone,
origin=origin)
del tempCS1
fig.canvas.draw()
time.sleep(0.1)
Z += x/10
win = fig.canvas.manager.window
fig.canvas.manager.window.after(100, animate)
plt.show()
【讨论】：
谢谢。是否可以更新此 CS 对象中的数据，以便循环制作某种动画？ 是的，我有 Scipy。但我认为 Scipy 使用 Matplotlib 进行所有绘图。它是否也有自己独立的绘图功能？ @Eskil：我建议（在我的回答中）使用 scipy 的 interpoate 函数从不规则矩形网格中获取规则矩形网格，然后使用 imshow() 进行更有效的绘图。也就是说，如果您遇到当前解决方案速度慢或效率低的问题。 啊，是的，我应该更仔细地阅读。感谢您的详尽回答。 如果我在循环之前做一个 fig.colorbar(CS1)，这个颜色条对新的轮廓是否正确？至少只要我保持“级别”数组不变？【参考方案2】：如果您的网格网格具有统一间距，您可以继续使用pcolor，但只需移动 X 和 Y，以便将数据集中在特定值而不是角落。
您还可以使用散点图将一些大小的点明确放置在确切的 X 和 Y 点上，然后将颜色设置为 Z：
x = numpy.arange(10)
y = numpy.arange(10)
X,Y = numpy.meshgrid(x,y)
Z = numpy.arange(100).reshape((10,10))
scatter(X,Y,c=Z,marker='s',s=1500)
#I picked a marker size that basically overlapped the symbols at the edges
axis('equal')
或：
pcolor(X+0.5,Y+0.5,Z)
axis('equal')
或者按照 Paul 的建议，使用轮廓函数之一
【讨论】：
【参考方案3】：如果有人在这篇文章中寻找我正在寻找的内容，我将使用上面的示例并将其修改为使用带有帧输入堆栈的 imshow，而不是动态生成和使用轮廓。从名为frames 的形状（nBins、nBins、nBins）图像的 3D 数组开始。
def animate_frames(frames):
nBins = frames.shape[0]
frame = frames[0]
tempCS1 = plt.imshow(frame, cmap=plt.cm.gray)
for k in range(nBins):
frame = frames[k]
tempCS1 = plt.imshow(frame, cmap=plt.cm.gray)
del tempCS1
fig.canvas.draw()
#time.sleep(1e-2) #unnecessary, but useful
fig.clf()
fig = plt.figure()
ax = fig.add_subplot(111)
win = fig.canvas.manager.window
fig.canvas.manager.window.after(100, animate_frames, frames)
我还找到了一种更简单的方法来完成整个过程，尽管不太健壮：
fig = plt.figure()
for k in range(nBins):
plt.clf()
plt.imshow(frames[k],cmap=plt.cm.gray)
fig.canvas.draw()
time.sleep(1e-6) #unnecessary, but useful
请注意，这两个似乎都只适用于ipython --pylab=tk，也就是backend = TkAgg
感谢您对一切的帮助。
【讨论】：
【参考方案4】：以下函数在边界处创建一半大小的框（如附图所示）。
import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage.filters import convolve
def pcolor_all(X, Y, C, **kwargs):
X = np.concatenate([X[0:1,:], X], axis=0)
X = np.concatenate([X[:,0:1], X], axis=1)
Y = np.concatenate([Y[0:1,:], Y], axis=0)
Y = np.concatenate([Y[:,0:1], Y], axis=1)
X = convolve(X, [[1,1],[1,1]])/4
Y = convolve(Y, [[1,1],[1,1]])/4
plt.pcolor(X, Y, C, **kwargs)
X, Y = np.meshgrid(
[-1,-0.5,0,0.5,1],
[-2,-1,0,1,2])
C = X**2-Y**2
plt.figure(figsize=(4,4))
pcolor_all(X, Y, C, cmap='gray')
plt.savefig('plot.png')
【讨论】：
以上是关于如何使用 Matplotlib 可视化标量 2D 数据？的主要内容，如果未能解决你的问题，请参考以下文章