前言
我们在往期对matplotlib.pyplot()方法学习，到现在我们已经会绘制折线图、柱状图、散点等常规的图表啦（往期的内容如下，大家可以方便查看往期内容）
python入门到进阶，爬虫数据分析全套资料分享讲解 (#1)
- 这么详细的Python matplotlib底层原理浅析_
- 这么详细的Python matplotlib 绘制图形 还不赶紧收藏_
- 超详细的Python matplotlib 绘制直方图 赶紧收藏_
- 超详细的Python matplotlib 绘制柱状图_
- Python matplotlib 绘制饼图_
- python matplotlib绘制折线图_
在matplotlib.pyplot 中除了可以绘制常规图表如折线、柱状、散点等，还可以绘制常用在地理上的平面展示地型的等高线图
本期，我们将详细学习matplotlib 绘制等高线图相关属性的学习，let’s go~
-
等高线图概述
-
什么是等高线图？
- 等高线图又称为水平图，通过2D形式展示3D图像的图表
- 等高线图又称为等高地线图，将地表高度相同的点连成一个环线展示到平面曲线上
- 等高线图又称为Z切片图，因变量Z与自变量X,Y变化而变化
- 等高线图可以分为首曲线、计曲线、间曲线与助曲线
- 等高线图常用场景
- 等高线图常用在展示某地地形情况
- 等高线图也可以计算当地山地高低情况
- 等高线图常用于地质、地理勘察绘制而成
- 等高线图也可以用于绘制圆形、椭圆形等数学公式展示
- 绘制等高线图步骤
- 导入matplotlib.pyplot模块
- 准备数据，可以使用numpy/pandas整理数据
- 调用pyplot.contour()或者pyplot.contourf()绘制等高线
- 案例展示等高线图绘制需要借助很多高中所学的三角函数、指数函数等公式，我们本期案例使用等高线方法汇总圆
- 案例数据准备
- np.arrage()准备一系列连续的数据
- np.meshgrid()将数据转换成矩阵
import numpy as np
定义一组连续的数据
x_value = np.arange(-5,5,0.1)
y_value = np.arange(-5,5,0.1)
转换成矩阵数据
x,y = np.meshgrid(x_value,y_value)
复制代码
- 绘制等高线
import matplotlib.pyplot as plt
plt.contour(x,y,z)
plt.title("Display Contour")
plt.xlabel("x(m)")
plt.ylabel("y(m)")
plt.show()
plt.show()
-
等高线图属性
-
设置等高线颜色
- 关键字：colors
- 取值范围:
- 表示颜色的英文单词：如红色”red”
- 表示颜色单词的简称如：红色”r”,黄色”y”
- RGB格式：十六进制格式如”#88c999″;(r,g,b)元组形式
- 也可以传入颜色列表
- 设置等高线透明度：
- 关键字：alpha
- 默认为1
- 取值范围为：0~1
- 设置等高线颜色级别
- 关键字：cmap
- colors和cmap两个关键字不能同时提供
- 取值为：注册的颜色表明
- 形式如：”颜色表_r”
- 常用的有：’Accent’, ‘Accent_r’, ‘Blues’, ‘Blues_r’, ‘BrBG’, ‘BrBG_r’, ‘BuGn’, ‘BuGn_r’, ‘BuPu’, ‘BuPu_r’, ‘CMRmap’, ‘CMRmap_r’, ‘Dark2’, ‘Dark2_r’, ‘GnBu’, ‘GnBu_r’, ‘Greens’
- 设置等高线宽度
- 关键字：linewidths
- 默认为等高线宽度为1.5
- 取值可以float类型或者列表
- 设置等高线样式
- 关键字：linestyles
- 默认值为：solid
- 取值可选：{ None, ‘solid’, ‘dashed’, ‘dashdot’, ‘dotted’}
- linestyles为None且线条为单色时，负轮廓的线条会设置成dashed
- 我们对上一节的等高线图添加一些属性
- 线条为红色，线条宽度逐渐增大，线条样式为dashed,透明度设置为0.5
python
plt.contour(x,y,z,colors="r",
linestyles="dashed",
linewidths=np.arange(0.5,4,0.5),alpha=0.5)
</code></pre>
<p>复制代码</p>
<pre><code>
传入colors列表
</code></pre>
<p>plt.contour(x,y,z,
colors=('r','green','blue',(1,1,0),"#afeeee","0.5"),
linewidths=np.arange(0.5,4,0.5))</p>
<pre><code>
为等高线图，设置cmap为红色系
</code></pre>
<p>z = np.exp(-x<strong>2-y</strong>2)
z1 = np.exp(-(x-1)<strong>2-(y-1)</strong>2)
Z = (z-z1)*2</p>
<p>plt.contour(x,y,Z,
cmap='afmhot_r',
linewidths=np.arange(0.5,4,0.5))
复制代码</p>
<pre><code>
3. 显示轮廓标签
我们查看等高线图时，轮廓标签会辅助我们更好的查看图表。添加轮廓标签，我们需要借助clabe
* pyplot.contour()绘制等高线方法，会返回QuadContourset
* QuadContourset 包含level列表数据
* 使用pyplot.clabel()接受level列表数据标注在等高线上
</code></pre>
<p>x_value = np.arange(-3,3,0.025)
y_value = np.arange(-3,3,0.025)</p>
<p>x,y = np.meshgrid(x_value,y_value)</p>
<p>z = (1-x<strong>2+y</strong>5)<em>np.exp(-x</em><em>2-y</em>*2)</p>
<p>cs = plt.contour(x,y,z,cmap="Blues_r",linewidths=np.arange(0.5,4,0.5))</p>
<p>plt.clabel(cs,fontsize=9,inline=True)</p>
<pre><code>
4. 填充颜色
通常在等高线图中，不同区域填充不一样的颜色，帮助我们查看图表时更好地理解
* 使用pyplot.contourf()对比同区域轮廓进行填充颜色
</code></pre>
<p>z = (1-x<strong>2+y</strong>5)<em>np.exp(-x</em><em>2-y</em>*2)</p>
<p>cs = plt.contour(x,y,z,10,colors="b",linewidths=0.5)</p>
<p>plt.clabel(cs,fontsize=12,inline=True)</p>
<p>plt.contourf(x,y,z,10,cmap="Blues_r",alpha=0.75)</p>
<pre><code>
5. 添加颜色条说明
我们可以借助pyplot.colorbar()方法来添加颜色条说明
</code></pre>
<p>z = (x<strong>2+y</strong>5)<em>np.exp(-x</em><em>2-y</em><em>2)
z1 = np.exp(-(x-1)</em><em>2-(y-1)</em><em>2)
Z = (z-z1)</em>2</p>
<p>cs = plt.contour(x,y,Z,10,colors="black",linewidths=0.5)</p>
<p>plt.clabel(cs,fontsize=12,inline=True)</p>
<p>plt.contourf(x,y,Z,10,cmap="afmhot_r",alpha=0.5)</p>
<p>plt.colorbar(shrink=0.8)
总结
本期，对matplotlib.pyplot 绘制等高线方法contour和contourf相关属性的学习。在绘制等高线图时，我们需要对三角函数、指数函数、正余弦函数等知识有一点了解，才能绘制出想要的图表
学习本节过程中，高中的数学知识都还给老师，摸摸头，头发怎么又掉了😱
Original: https://blog.csdn.net/weixin_54556126/article/details/121439373
Author: 编程简单学
Title: Python matplotlib 绘制等高线图
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/765160/
转载文章受原作者版权保护。转载请注明原作者出处！