我有一组数据，我想使用 Matplotlib 在极坐标中生成等高线图。
我的数据如下：
theta- 角度值的一维数组radius- 一维半径值数组value- 我想用于轮廓的一维值数组这些都是正确对齐的一维数组 - 例如：
theta radius value
30 1 2.9
30 2 5.3
35 5 9.2
也就是说，所有值都重复了足够多的次数，以使这个包含三个变量的“表”的每一行都定义一个点。
如何从这些值创建极坐标图？我考虑过将半径和 theta 值转换为 x 和 y 值并在笛卡尔坐标中进行，但轮廓函数似乎需要二维数组，我不太明白为什么。
有任何想法吗？
Matplotlib 的contour()函数期望将数据排列为 2D 点网格和每个网格点的对应值网格。如果您的数据自然排列在网格中，您可以将 r、theta 转换为 x、y 并用于contour(r*np.cos(theta), r*np.sin(theta), values)制作绘图。
如果您的数据不是自然网格化的，您应该遵循 Stephen 的建议并将griddata()数据插入到网格中。
以下脚本显示了两者的示例。
import pylab as plt
from matplotlib.mlab import griddata
import numpy as np
# data on a grid
r = np.linspace(0, 1, 100)
t = np.linspace(0, 2*np.pi, 100)
r, t = np.meshgrid(r, t)
z = (t-np.pi)**2 + 10*(r-0.5)**2
plt.subplot(121)
plt.contour(r*np.cos(t), r*np.sin(t), z)
# ungrid data, then re-grid it
r = r.flatten()
t = t.flatten()
x = r*np.cos(t)
y = r*np.sin(t)
z = z.flatten()
xgrid = np.linspace(x.min(), x.max(), 100)
ygrid = np.linspace(y.min(), y.max(), 100)
xgrid, ygrid = np.meshgrid(xgrid, ygrid)
zgrid = griddata(x,y,z, xgrid, ygrid)
plt.subplot(122)
plt.contour(xgrid, ygrid, zgrid)
plt.show()
我不知道是否可以直接绘制极坐标图，但如果转换为笛卡尔坐标，则可以使用该griddata函数将一维数组转换为二维。