{{cd1>中有一个y
和{
data = np.c_[x,y,z]
# regular grid covering the domain of the data
mn = np.min(data, axis=0) - 0.009
mx = np.max(data, axis=0) + 0.009
X,Y = np.meshgrid(np.linspace(mn[0], mx[0]), np.linspace(mn[1], mx[1]))
XX = X.flatten()
YY = Y.flatten()
A = np.c_[np.ones(data.shape[0]), data[:, :2], np.prod(data[:, :2], axis=1), data[:, :2] ** 2]
C, _, _, _ = scipy.linalg.lstsq(A, data[:, 2])
# evaluate it on a grid
Z = np.dot(np.c_[np.ones(XX.shape), XX, YY, XX * YY, XX ** 2, YY ** 2], C).reshape(X.shape)
fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, alpha=0.2)
ax.scatter(data[:, 0], data[:, 1], data[:, 2], c='r', s=50)
plt.xlabel('X')
plt.ylabel('Y')
ax.set_zlabel('Z')
ax.axis('equal')
ax.axis('tight')
plt.show()
这里,我想得到x
和{x
和{
您可以use}的值
np.where
来获得满足某个公差条件-30-eps < z < -30+eps
的指标,eps
,并使用这些指标来获得x
和{我有点不确定在您的例子中如何做到这一点,因为您的绘图与链接中的示例值不同(请将有问题的代码设为a MCVE)。这个主意应该不错。在
您可以尝试以下操作(另请参见Find nearest value in numpy array)
我已经在你在问题中提到的例子(https://gist.github.com/amroamroamro/1db8d69b4b65e8bc66a6)上检查过了,它似乎有效。在
相关问题 更多 >
编程相关推荐