0

我一直在尝试绘制一个预先计算好的类似于 2D 直方图的数据集。我必须使用线性/对数 z 轴针对线性 y 轴绘制对数 x 轴。但是， pcolor 会删除最后一行和最后一列，这是一个问题，因为必须绘制最高能量值。Imshow 只是不适用于对数轴。

我正在考虑必须用 NaN 填充数组才能正确绘制。有没有我可以使用的纯绘图程序？谢谢。

示例代码：

    # INITIALIZATION
    alpha_bounds = [0.0, 90.0]
    alpha_step = 15.0
    all_alphas = np.arange(alpha_bounds[0], alpha_bounds[1], alpha_step)
    beta_bounds = [0.0, 360.0]
    beta_step = 45.0
    all_betas = np.arange(beta_bounds[0], beta_bounds[1], beta_step)
    energy_bounds = [2e3, 5e6]
    n_energies = 15
    all_energies = np.logspace(
        np.log10(energy_bounds[0]), np.log10(energy_bounds[1]), n_energies)
    all_locations =\
        [(-52.5, 180.0, r - 1), (-77.5, 260.0, r - 1)]
    alts = np.linspace(
        70.0, 600.0, 500)

    # ARRAY TO GET ELOSS PER ALT, LOC, BETA, ALPHA, ENERGY
    # Changed np.zeros to np.ones for testing
    eloss_per_alt_per_process = np.ones(
         (len(all_locations),
          len(all_alphas), len(all_betas), len(all_energies),
          len(alts), len(processes)))

    # CODE HERE TO COUNT ELOSS PER ALT, LOC, BETA, ALPHA, ENERGY

    # SUM OVER TWO AXES
    eloss_per_alt_per_process[0, 0, 0, 0,
                              :, :] = np.sum(eloss_per_alt, axis=(1, 2))

    # PLOTTING
    ALT, E = np.meshgrid(np.array(all_energies), alts)
    eloss = np.transpose(
                eloss_per_alt_per_process[0, 0, 0, :, :, 2])
    if np.any(eloss):
                plt.figure()
                plt.pcolor(
                    ALT, E, eloss) #, norm=LogNorm()) #, vmin=1e-1,
                #    vmax=ncoll.max())
                plt.xscale('log')
    plt.show()
4

1 回答 1

0

第一个问题：您需要给出网格的边缘，以便x和y的尺寸比 z 大一个。

第二个问题：您需要为关键字提供一个matplotlib.colors.LogNorm实例norm。

这里有一个简化的例子：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LogNorm

mean = [0, 0]
cov = [[1, 0.5],
       [0.5, 1]]

# draw some random numbers to show in the 2dhist
data = np.random.multivariate_normal(mean, cov, 100000)

# create the histogram
entries, xedges, yedges = np.histogram2d(data[:,0], data[:,1], [10, 10], [[-5, 5], [-5, 5]])

# create all combinations of x & y
x, y = np.meshgrid(xedges, yedges)

# plot, note that x and y are (m + 1) x (n + 1) arrays if entries is n x m
plt.pcolor(x, y, entries, norm=LogNorm(), cmap='afmhot')
plt.colorbar()
plt.tight_layout()
plt.savefig('2hist.png')

结果图像： 结果

于 2015-03-13T10:34:19.043 回答