0

我在一个值范围内有 3 个不同的参数 X、Y 和 Z，并且对于这些的每种组合，都有一个特定的 V 值。为了更清楚，数据看起来像这样。

X  Y  Z  V
1  1  2  10
1  2  3  15
etc...

我想用表面/等高线图可视化数据，使用 V 作为颜色来查看其在该点的值，但我看不到如何使用 Python 将我的自定义着色方案添加到混合中。关于如何做到这一点的任何想法（或者这种可视化完全愚蠢）？

非常感谢！

4

2 回答 2

3

Matplotlib 允许将 facecolors 作为参数传递给 eg ax.plot_surface。

这意味着您必须对当前的颜色数组执行 2D 插值，因为您目前只有矩形面的角上的颜色（您确实提到您有一个直线网格）。

您可以使用 scipy.interpolate.interp2d 它，但正如您从文档中看到的那样，建议使用 scipy.interpolate.RectBivariateSpline.

给你一个简单的例子：

import numpy as np
y,x = np.mgrid[1:10:10j, 1:10:10j] # returns 2D arrays
# You have 1D arrays that would make a rectangular grid if properly reshaped.
y,x = y.ravel(), x.ravel()  # so let's convert to 1D arrays
z = x*(x-y)
colors = np.cos(x**2) - np.sin(y)**2

x, y, z现在我有一个和你类似的数据集（和 的一维数组colors）。请注意，颜色是为每个点 (x,y) 定义的。但是当你想用 绘图时plot_surface，你会生成矩形补丁，其中的角由这些点给出。

因此，然后进行插值：

from scipy.interpolate import RectBivariateSpline
# from scipy.interpolate import interp2d # could 've used this too, but docs suggest the faster RectBivariateSpline

# Define the points at the centers of the faces:
y_coords, x_coords = np.unique(y), np.unique(x)
y_centers, x_centers = [ arr[:-1] + np.diff(arr)/2 for arr in (y_coords, x_coords)]

# Convert back to a 2D grid, required for plot_surface:
Y = y.reshape(y_coords.size, -1)
X = x.reshape(-1, x_coords.size)
Z = z.reshape(X.shape)
C = colors.reshape(X.shape)
#Normalize the colors to fit in the range 0-1, ready for using in the colormap:
C -= C.min()
C /= C.max()

interp_func = RectBivariateSpline(x_coords, y_coords, C.T, kx=1, ky=1) # the kx, ky define the order of interpolation. Keep it simple, use linear interpolation.

在这最后一步中，您也可以使用interp2d（kind='linear' 替换kx=1, ky=1）。但是由于文档建议使用更快的 RectBivariateSpline...

现在您可以绘制它了：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.cm as cm

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
r = ax.plot_surface(X,Y,Z,
    facecolors=cm.hot(interp_func(x_centers, y_centers).T),
    rstride=1,  cstride=1) # only added because of this very limited dataset

输出

如您所见，脸上的颜色与数据集的高度无关。

请注意，您可能认为只需将 2D 数组 C 传递给即可facecolors，而 matplotlib 不会抱怨。但是，结果并不准确，因为 matplotlib 将仅使用 C 的一个子集作为面部颜色（它似乎忽略了 C 的最后一列和最后一行）。这等效于在整个补丁上仅使用由一个坐标（例如左上角）定义的颜色。

一个更简单的方法是让 matplotlib 进行插值并获得 facecolors，然后将它们传递给真实的情节：

r = ax.plot_surface(X,Y,C, cmap='hot') # first plot the 2nd dataset, i.e. the colors
fc = r.get_facecolors()
ax.clear()
ax.plot_surface(X, Y, Z, facecolors=fc)

但是，由于这个最近提交的错误，这在版本 <= 1.4.1 中不起作用。

于 2015-02-06T00:33:44.837 回答
0

这实际上取决于您计划如何绘制这些数据。我喜欢用 绘制图表gnuplot：它简单、免费且直观。要绘制您的示例，gnuplot您必须将这些行打印到一个文件中（只有这四列）并使用如下代码进行绘制

 reset
 set terminal png
 set output "out.png"
 splot "file.txt" using 1:2:3:4 with lines palette

假设您将数据保存到文件file.txt中。splot代表曲面图。当然，这是一个最小的例子。

或者，您可以使用matplotlib，但在我看来，这并不直观。尽管它具有将所有处理集中在python中的优点。

于 2015-02-04T15:30:50.237 回答