首页 文章

Matplotlib中的极坐标等高线图

提问于
浏览 次
8

我有一组数据要用于使用Matplotlib在极坐标中生成等高线图 .

我的数据如下：

  • theta - 1D角度值数组

  • radius - 半径值的一维数组

  • value - 我要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，所有的值都重复了足够的次数，以便三个变量的这个“表”的每一行定义一个点 .

如何根据这些值创建极坐标轮廓图？我已经考虑过将半径和θ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2D数组，我不太明白为什么 .

有任何想法吗？

python matplotlib graphing

2 回答

  • 3

    我不能直接绘制极坐标轮廓图，但如果转换为笛卡尔坐标，则可以使用griddata函数将1D阵列转换为2D .

    回复于
  • 8

    Matplotlib的 contour() 函数要求将数据排列为点的2D网格以及每个网格点的相应网格值 . 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并使用 contour(r*np.cos(theta), r*np.sin(theta), values) 来制作您的绘图 .

    如果您的数据不是't naturally gridded, you should follow Stephen'的建议，并使用 griddata() 将数据插入到网格中 .

    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()

    enter image description here

    回复于

相关问题