如何使用 Matplotlib 可视化标量二维数据？

Question

所以我有一个网格网格（矩阵 X 和 Y）以及标量数据（矩阵 Z），我需要将其可视化。最好是一些 2D 图像，在各点处带有颜色，显示 Z 值。 我做了一些研究，但没有找到任何能完全满足我想要的效果的东西。

pyplot.imshow(Z) 看起来不错，但它不接受我的 X 和 Y 矩阵，因此轴是错误的，并且无法处理 X 和 Y 给出的非线性间隔点。

pyplot.pcolor(X ,Y,Z) 制作彩色方块，其颜色对应于其一角的数据，因此它有点歪曲数据（它应该在其中心或其他位置显示数据）。此外，它还忽略数据矩阵中的两条边。

我很确定 Matplotlib 中一定存在一些更好的方法，但文档使得很难获得概述。所以我想问其他人是否知道更好的方法。如果它允许我刷新矩阵 Z 来制作动画，那就太好了。

Answer 1

这看起来不错，但效率低下：

from pylab import *
origin = 'lower'

delta = 0.025

x = y = arange(-3.0, 3.01, delta)
X, Y = meshgrid(x, y)
Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
Z = 10 * (Z1 - Z2)

nr, nc = Z.shape

CS = contourf(
    X, Y, Z,
    levels = linspace(Z.min(), Z.max(), len(x)),
    ls = '-',
    cmap=cm.bone,
    origin=origin)

CS1 = contour(
    CS,
    levels = linspace(Z.min(), Z.max(), len(x)),
    ls = '-',
    cmap=cm.bone,
    origin=origin)

show()

如果是我，我会将数据重新插值（使用 scipy.interpolate）到常规网格并使用 imshow()，设置范围来固定轴。

编辑（根据评论）：

可以像这样完成对等值线图进行动画处理，但是，就像我说的，上面的方法效率很低，只是简单地滥用等值线图功能。做你想做的事情最有效的方法是使用 SciPy。你安装了那个吗？

import matplotlib
matplotlib.use('TkAgg') # do this before importing pylab
import time
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111)

def animate():
    origin = 'lower'
    delta = 0.025

    x = y = arange(-3.0, 3.01, delta)
    X, Y = meshgrid(x, y)
    Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
    Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
    Z = 10 * (Z1 - Z2)

    CS1 = ax.contourf(
        X, Y, Z,
        levels = linspace(Z.min(), Z.max(), 10),
        cmap=cm.bone,
        origin=origin)

    for i in range(10):
        tempCS1 = contourf(
            X, Y, Z,
            levels = linspace(Z.min(), Z.max(), 10),
            cmap=cm.bone,
            origin=origin)
        del tempCS1
        fig.canvas.draw()
        time.sleep(0.1)
        Z += x/10

win = fig.canvas.manager.window
fig.canvas.manager.window.after(100, animate)
plt.show()

Answer 2

如果您的网格具有统一的间距，您可以继续使用 pcolor，但只需移动 X 和 Y 即可将数据集中在特定值而不是角落处。

您还可以使用散点图将一定大小的点显式放置在确切的 X 和 Y 点处，然后将颜色设置为 Z:

x = numpy.arange(10)
y = numpy.arange(10)
X,Y = numpy.meshgrid(x,y)
Z = numpy.arange(100).reshape((10,10))
scatter(X,Y,c=Z,marker='s',s=1500) 
#I picked a marker size that basically overlapped the symbols at the edges
axis('equal')

或:

pcolor(X+0.5,Y+0.5,Z)
axis('equal')

或按照 Paul 的建议，使用轮廓函数之一

Answer 3

如果有人看到这篇文章来寻找我正在寻找的内容，我采用了上面的示例并将其修改为使用带有帧输入堆栈的 imshow，而不是动态生成和使用轮廓。从形状（nBins、nBins、nBins）的 3D 图像数组开始，称为帧。

def animate_frames(frames):
    nBins   = frames.shape[0]
    frame   = frames[0]
    tempCS1 = plt.imshow(frame, cmap=plt.cm.gray)
    for k in range(nBins):
        frame   = frames[k]
        tempCS1 = plt.imshow(frame, cmap=plt.cm.gray)
        del tempCS1
        fig.canvas.draw()
        #time.sleep(1e-2) #unnecessary, but useful
        fig.clf()

fig = plt.figure()
ax  = fig.add_subplot(111)

win = fig.canvas.manager.window
fig.canvas.manager.window.after(100, animate_frames, frames)

我还找到了一种更简单的方法来完成整个过程，尽管不太健壮：

fig = plt.figure()

for k in range(nBins):
    plt.clf()
    plt.imshow(frames[k],cmap=plt.cm.gray)
    fig.canvas.draw()
    time.sleep(1e-6) #unnecessary, but useful

请注意，这两种方法似乎都只能与 ipython --pylab=tk 一起使用，又名backend = TkAgg< /code>

感谢您提供的一切帮助。

Answer 4

以下函数在边界处创建一半大小的框（如附图所示）。

import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage.filters import convolve

def pcolor_all(X, Y, C, **kwargs):
    X = np.concatenate([X[0:1,:], X], axis=0)
    X = np.concatenate([X[:,0:1], X], axis=1)

    Y = np.concatenate([Y[0:1,:], Y], axis=0)
    Y = np.concatenate([Y[:,0:1], Y], axis=1)

    X = convolve(X, [[1,1],[1,1]])/4
    Y = convolve(Y, [[1,1],[1,1]])/4

    plt.pcolor(X, Y, C, **kwargs)

X, Y = np.meshgrid(
    [-1,-0.5,0,0.5,1],
    [-2,-1,0,1,2])

C = X**2-Y**2

plt.figure(figsize=(4,4))

pcolor_all(X, Y, C, cmap='gray')

plt.savefig('plot.png')