Тепловая карта Matplotlib с изменяющимися значениями y

Я пытаюсь построить некоторые данные для измерения, сделанного между двумя поверхностями. Направление z в системе определяется как нормальное к поверхностям. Проблема в том, что вдоль оси x моего графика я меняю расстояние между двумя поверхностями, что означает, что для каждого среза изменяется минимальное/максимальное значение оси y. Я обошёл это, представив нормализованную ось Y, где z_min — нижняя поверхность, а z_max — верхняя поверхность: enter image описание здесь

Однако такое представление несколько искажает данные. В идеале я хотел бы показать фактическое расстояние до стены по оси Y и просто оставить области за пределами границ системы белыми. Я (плохо) набросал то, что представляю здесь (фактическое распределение на тепловой карте, конечно, должно выглядеть иначе): enter image описание здесь

Я могу довольно легко изобразить то, что хочу, в виде 3D-графика рассеяния, например: введите описание изображения здесь

Но как преобразовать данные в форму для построения тепловой карты?

Я предполагаю, что мне придется взорвать массив MxN и заполнить недостающие значения с помощью интерполяции или просто пометить их как NAN? Но тогда я также не совсем уверен, как добавить жесткую отсечку к моей цветовой схеме, чтобы сделать все за пределами системы белым.


python matplotlib heatmap
person CTKlein    schedule 24.10.2013    source источник
comment
Я знаю, что это старый вопрос, но не могли бы вы поместить свой код для создания этой довольно простой диаграммы рассеяния? Это именно то, что мне нужно сейчас. Спасибо!   -  person physiker    schedule 11.05.2016
comment
Я не могу найти точный код прямо сейчас, но это трехмерная точечная диаграмма. Есть несколько руководств, подобных этому: matplotlib.org/examples/mplot3d/scatter3d_demo.html   -  person CTKlein    schedule 11.05.2016

Ответы (3)


arrow_upward
2
arrow_downward

Вы можете сделать это с помощью pcolormesh, который принимает углы четырехугольников в качестве аргументов.

X, Y = np.meshgrid(np.linspace(0, 10, 100), np.linspace(0, 2*np.pi, 150),)
h = np.sin(Y)
Y *= np.linspace(.5, 1, 100)

fig, ax = plt.subplots(1, 1)
ax.pcolormesh(X, Y, h)

введите здесь описание изображения

person tacaswell    schedule 24.10.2013
comment
Это кажется полезным, но я не могу заставить его работать. Я думаю, проблема в том, что набор z-значений, для которых у меня есть данные, отличается при каждом разделении. Для каждого расстояния разделения я собирал данные по z-значениям linspace(z_min, z_max, 100). Любые предложения по обходу этого, кроме изменения способа сбора данных? - person CTKlein; 25.10.2013
comment
В этом случае мой Y сопоставляется с вашим z. - person tacaswell; 25.10.2013

arrow_upward
2
arrow_downward

Ниже приведена реализация с контурной треугольной сеткой, основанная на примере CT Zhu.

Если ваша область не является выпуклой, вам нужно будет предоставить свои собственные треугольники для триангуляции, так как триангуляция Делоне по умолчанию создает сетку выпуклой оболочки из ваших точек.

import matplotlib
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.tri as mtri


y = np.array([np.linspace(-i, i, 51) for i in (
              np.linspace(5, 10))[::-1]])
x = (np.zeros((50, 51)) +
     np.linspace(1, 6, 50)[..., np.newaxis])
z = (np.zeros((50, 51)) -
     np.linspace(-5, 5, 51)**2 + 10)  # make up some z data

x = x.flatten()
y = y.flatten()
z = z.flatten()

print "x shape: ", x.shape

triang = mtri.Triangulation(x, y)
plt.tricontourf(triang, z)
plt.colorbar()
plt.show()

введите здесь описание изображения

person GBy    schedule 01.11.2013

arrow_upward
1
arrow_downward

Я думаю, может быть, 2D-интерполяция с использованием griddata будет тем, что вам нужно?

from matplotlib.mlab import griddata
xi=linspace(1,5,100)
yi=linspace(-10.5, 10.5, 100)
y=array([linspace(-i, i, 51) for i in (linspace(5,10))[::-1]]) #make up some y vectors with different range
x=zeros((50,51))+linspace(1,6, 50)[...,newaxis]
z=zeros((50,51))-linspace(-5, 5,51)**2+10 #make up some z data
x=x.flatten()
y=y.flatten()
z=z.flatten()
zi=griddata(x, y, z, xi, yi)
plt.contourf(xi, yi, zi, levels=-linspace(-5, 5,51)**2+10)

введите здесь описание изображения

person CT Zhu    schedule 25.10.2013