为轮廓图生成更平滑的颜色图

0 投票

1 回答

47 浏览

提问于 2025-04-14 16:46

我的数据集大约有几千个值，分成四列，分别是 X, Y, Z, Z的误差 -

1.2351e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.2417e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.2483e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.2549e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.2615e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.2681e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.2746e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.2812e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.2878e+00  -6.3115e-02 1.8186e+01  1.8186e+01
1.2944e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.3010e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.3075e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.3141e+00  -6.3115e-02 0.0000e+00  0.0000e+00
1.3207e+00  -6.3115e-02 0.0000e+00  0.0000e+00
... ....

我想用等高线图来展示这些数据，像这样 -

(参考图片)

我使用了以下代码 -

import numpy as np  
import matplotlib.pyplot as plt
x, y, z, err = np.genfromtxt(r'dataset_gid.txt', unpack=True)


x1, y1 = np.meshgrid(x, y)
cont1 = plt.tricontourf(x, y, z, cmap='seismic')
plt.colorbar(cont1)
plt.show()

我得到了下面这个图 -

我该如何生成一个类似于上面图片的颜色条呢？我为我使用的数据集创建了一个链接在这里。

更新

使用 scat=plt.scatter(x, y, c=z, s=3);plt.colorbar(scat) 得到的图有些奇怪 -

使用 plt.tricontourf(x, y, z, levels=50) 看起来更好，但点的亮度不够。

有没有办法让这些点像参考图片那样更亮呢？

数据可视化图像处理误差分析数据集颜色映射等高线图图形平滑亮度调整

1 个回答

一些前期准备

import matplotlib.pyplot as plt
import numpy as np
fig = lambda: plt.figure(layout='constrained')
d2 = lambda arr: arr.reshape(77, 843)
a_n_d = np.logical_and

读取数据，找出极值

x, y, z, e = np.array([
    [float(x) for x in line.split()]
    for line in open('gist.txt').readlines()]).T

xlim = (x.min(), x.max())
ylim = (y.min(), y.max())

绘制所有数据的散点图，那些“奇怪的线条”（原作者评论）其实就是数据点，这些点在一个规则的网格上分布，x方向比较松散，而y方向则比较紧凑。

fig()
scat = plt.scatter(x, y, c=z, s=40, cmap='Blues')
plt.colorbar(scat)

现在，我们来绘制一个等高线图，设置3个层级

fig()
cont = plt.contour(d2(x), d2(y), d2(z), levels=[10, 40, 160], cmap='Blues', lw=0.2)
plt.colorbar(cont)

我觉得等高线图的信息量不如散点图多。

最后，我们来试试一组选择性的散点图，只绘制那些z值在不同范围内的点，每个子图的范围都不一样。

f, axs = plt.subplots(2,2, layout='constrained')
for ax, ix in zip(axs.flat,
                  (z<100, a_n_d(z>=100, z<250), a_n_d(z>=250, z<500), z>500)):
    ax.set_xlim(xlim) ; ax.set_ylim(ylim)
    scat = ax.scatter(x[ix], y[ix], s=10, c=z[ix], cmap='Blues')
    plt.colorbar(scat, ax=ax)

在我看来，这种排列方式信息量是最丰富的。

不同子图的颜色比例尺是不同的，你可以使用vmin=和vmax=来保持相同的比例尺，但我觉得用不同的比例尺更好。

数组形状说明

首先，我查看了64911的因数

$ factor 64911
64911: 3 7 11 281
$

接着我观察了数据，1到77行的y值是相同的，但x值不同；而78到154行有另一个共同的y值，并且与1到77行的77个x值相同。

我的结论是，这些数据是在一个(7·11)×(3·281) = 77×843的x-y网格上给出的。

关于你的数据，很多错误值等于前一列报告的z值，这是否是你从测量/模拟中预期的结果？

回答于 2025-04-14 由 Python大师

分享举报

为轮廓图生成更平滑的颜色图

1 个回答

撰写回答