2010-06-10 5 views
19

Ho alcuni dati di superficie generati da un programma esterno come valori XYZ. Voglio creare grafici seguenti, utilizzando matplotlib:Tracciamento di punti dati a tre tuple in una trama di superficie/contorno usando matplotlib

  • trama superficiale
  • trama Contour
  • Plot contorno sovrapposto con una trama superficiale

Ho guardato diversi esempi per superfici tracciato e contorni in matplotlib - tuttavia, i valori Z sembrano essere una funzione di X e Y cioè Y ~ f (X, Y).

Suppongo che in qualche modo avrò bisogno di trasformare le mie variabili Y, ma non ho ancora visto alcun esempio, che mostra come farlo.

Quindi, la mia domanda è questa: dato un insieme di punti (X, Y, Z), come posso generare grafici di Superficie e di contorno da quei dati?

BTW, per chiarire, NON voglio creare grafici a dispersione. Anche se ho menzionato matplotlib nel titolo, non sono contrario all'utilizzo di rpy (2), se questo mi consentirà di creare questi grafici.

+1

ho postato un esempio per come mettere i dati in array 2-D per essere in grado di utilizzare trama superficie di matplotlib: http://stackoverflow.com/a/30539444/3585557. Inoltre, dai un'occhiata a questi post correlati/simili/duplicati: http://stackoverflow.com/q/9170838/3585557, http://stackoverflow.com/q/12423601/3585557, http://stackoverflow.com/ q/21161884/3585557, http://stackoverflow.com/q/26074542/3585557, http://stackoverflow.com/q/28389606/3585557, http://stackoverflow.com/q/29547687/3585557 –

risposta

23

per fare una trama contorno è necessario interpolare i dati ad una griglia regolare http://www.scipy.org/Cookbook/Matplotlib/Gridding_irregularly_spaced_data

un esempio veloce:

>>> xi = linspace(min(X), max(X)) 
>>> yi = linspace(min(Y), max(Y)) 
>>> zi = griddata(X, Y, Z, xi, yi) 
>>> contour(xi, yi, zi) 

per la superficiehttp://matplotlib.sourceforge.net/examples/mplot3d/surface3d_demo.html

>>> from mpl_toolkits.mplot3d import Axes3D 
>>> fig = figure() 
>>> ax = Axes3D(fig) 
>>> xim, yim = meshgrid(xi, yi) 
>>> ax.plot_surface(xim, yim, zi) 
>>> show() 

>>> help(meshgrid(x, y)) 
    Return coordinate matrices from two coordinate vectors. 
    [...] 
    Examples 
    -------- 
    >>> X, Y = np.meshgrid([1,2,3], [4,5,6,7]) 
    >>> X 
    array([[1, 2, 3], 
      [1, 2, 3], 
      [1, 2, 3], 
      [1, 2, 3]]) 
    >>> Y 
    array([[4, 4, 4], 
      [5, 5, 5], 
      [6, 6, 6], 
      [7, 7, 7]]) 

contorno in 3Dhttp://matplotlib.sourceforge.net/examples/mplot3d/contour3d_demo.html

>>> fig = figure() 
>>> ax = Axes3D(fig) 
>>> ax.contour(xi, yi, zi) # ax.contourf for filled contours 
>>> show() 
+0

+1 per il frammento. Questo aiuta molto. Potresti spiegare le variabili (xim e yim) che hai usato nello snippet di superficie? Non posso vederli definiti ovunque. – morpheous

+0

xim e yim hanno matrici coordinate da xi e yi. Ho modificato la risposta per aggiungere alcuni frammenti di aiuto (meshgrid) – remosu

+0

risposta impressionante! – ine

1

trama Contour con rpy2 + ggplot2: trama

from rpy2.robjects.lib.ggplot2 import ggplot, aes_string, geom_contour 
from rpy2.robjects.vectors import DataFrame 

# Assume that data are in a .csv file with three columns X,Y,and Z 
# read data from the file 
dataf = DataFrame.from_csv('mydata.csv') 

p = ggplot(dataf) + \ 
    geom_contour(aes_string(x = 'X', y = 'Y', z = 'Z')) 
p.plot() 

superficiale con rpy2 + reticolo:

from rpy2.robjects.packages import importr 
from rpy2.robjects.vectors import DataFrame 
from rpy2.robjects import Formula 

lattice = importr('lattice') 
rprint = robjects.globalenv.get("print") 

# Assume that data are in a .csv file with three columns X,Y,and Z 
# read data from the file 
dataf = DataFrame.from_csv('mydata.csv') 

p = lattice.wireframe(Formula('Z ~ X * Y'), shade = True, data = dataf) 
rprint(p) 
1

con i panda e NumPy per importare e manipolare i dati, con matplot. pylot.contourf per tracciare l'immagine

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
from matplotlib.mlab import griddata 

PATH='/YOUR/CSV/FILE' 
df=pd.read_csv(PATH) 

#Get the original data 
x=df['COLUMNNE'] 
y=df['COLUMNTWO'] 
z=df['COLUMNTHREE'] 

#Through the unstructured data get the structured data by interpolation 
xi = np.linspace(x.min()-1, x.max()+1, 100) 
yi = np.linspace(y.min()-1, y.max()+1, 100) 
zi = griddata(x, y, z, xi, yi, interp='linear') 

#Plot the contour mapping and edit the parameter setting according to your data (http://matplotlib.org/api/pyplot_api.html?highlight=contourf#matplotlib.pyplot.contourf) 
CS = plt.contourf(xi, yi, zi, 5, levels=[0,50,100,1000],colors=['b','y','r'],vmax=abs(zi).max(), vmin=-abs(zi).max()) 
plt.colorbar() 

#Save the mapping and save the image 
plt.savefig('/PATH/OF/IMAGE.png') 
plt.show() 

Example Image