Python绘图-15绘制2D等高线图

2D等高线图是一种图形表示方法，用于展示在二维平面上数据的相对高度或强度。它通过在图上绘制一系列的等高线来展现数据的变化。等高线连接了所有具有相同数值的点，形成一个封闭的曲线。

15.1绘制2D等高线图的基本步骤

1. 数据准备：首先，你需要有一组二维数据，这些数据可能代表地形的高度、温度分布、压力变化等。
2. 数据插值：为了使等高线更加平滑，通常需要对数据进行插值。这可以通过各种方法实现，如双线性插值、样条插值等。
3. 绘制等高线：根据插值后的数据，找到所有具有相同数值的点，并将它们连接起来形成等高线。
4. 添加标签和颜色：可以为等高线添加标签以显示其代表的数值，并使用颜色来表示不同高度的区域。
5. 优化和美化：根据需要，可以添加标题、图例、坐标轴等，以使图形更加易于理解和美观。

15.2默认2D等高线图

15.2.1图像呈现

15.2.2绘图代码 

import numpy as np  # 导入numpy库，并为其设置别名np。numpy是一个强大的数学库，用于处理数组、矩阵以及相关的数学运算。
import matplotlib.pyplot as plt  # 导入matplotlib的绘图模块，并为其设置别名plt。matplotlib是一个用于创建静态、动画和交互式可视化的Python库。
from matplotlib import rcParams  # 从matplotlib库中导入rcParams。rcParams是一个字典对象，用于处理matplotlib的各种配置参数。
# 定义一个字典config，其中包含字体、大小和其他相关的配置参数
config = {"font.family": 'serif', "font.size": 10.5, "mathtext.fontset": 'stix', "font.serif": ['SimSun']}
rcParams.update(config)  # 使用config字典中的配置参数更新rcParams。这样，matplotlib会使用这些配置参数进行后续的绘图操作。
plt.rcParams['axes.unicode_minus'] = False  # 设置matplotlib的配置参数，使得在绘图中可以正常显示正负号。
N = 100  # 设置一个变量N，其值为100。这个变量将用于后续定义数组或网格的大小。
np.random.seed(100)  # 设置numpy的随机数生成器的种子为100。这样，每次运行代码时生成的随机数序列都是相同的，便于结果的可复现。
x = np.linspace(-2, 2, N) + np.random.random(N)  # 创建一个数组x，包含从-2到2之间的N个等间距值，并加上N个随机数。  
y = np.linspace(-2, 2, N) + np.random.random(N)  # 创建一个数组y，与x的创建方式相同。
X, Y = np.meshgrid(x, y)  # 使用x和y创建一个网格。X和Y是二维数组，代表网格上的x和y坐标。
Z = np.sin(X) + np.cos(Y)  # 计算网格上每个点的Z值，Z是X的正弦值与Y的余弦值的和。
plt.figure(figsize=(7, 5), dpi=110)  # 创建一个新的图形窗口，设置其大小为7x5英寸，并设置其DPI（每英寸点数）为110。
plt.contour(X, Y, Z)  # 在当前的图形窗口中绘制Z的等高线图。X和Y是网格的坐标，Z是网格上每个点的Z值。
plt.title('Contour 2D', pad=10)  # 为图形添加标题“Contour 2D”，并设置标题与图形之间的间距为10。
plt.show()  # 显示图形窗口。如果不调用这个函数，图形窗口可能不会被显示出来。

15.3绘制个性化2D等高线图

15.3.1图像呈现-1

15.3.2绘图代码-1

import numpy as np  # 导入numpy库，并为它设置别名np。numpy是Python中用于数值计算的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。    
import matplotlib.pyplot as plt  # 导入matplotlib库的pyplot模块，并为它设置别名plt。matplotlib是Python中用于绘制二维图表的一个库，pyplot提供了MATLAB类似的绘图框架。    
from matplotlib import rcParams  # 从matplotlib库中导入rcParams。rcParams是一个字典对象，它包含了matplotlib的所有配置参数。    
# 定义一个字典config，其中包含字体、大小和其他相关的配置参数  
config = {"font.family": 'serif', "font.size": 10.5, "mathtext.fontset": 'stix', "font.serif": ['SimSun']}  
# 使用config字典中的配置参数更新rcParams，即改变matplotlib的默认配置  
rcParams.update(config)   
plt.rcParams['axes.unicode_minus'] = False  # 设置matplotlib的配置参数，确保在图表中正常显示负号。由于某些字体不支持负号，这行代码是为了解决负号显示不正确的问题。    
N = 100  # 设置一个变量N，其值为100。这个变量用于定义后续创建数组的维度大小。    
np.random.seed(100)  # 设置numpy的随机数生成器的种子为100，确保每次运行代码时生成的随机数序列是相同的，以便结果的可重复性。    
x = np.linspace(-2, 2, N) + np.random.random(N)  # 创建一个从-2到2的N个等间隔的数组x，并加上N个随机数，以稍微打乱原有的等间距分布。    
y = np.linspace(-2, 2, N) + np.random.random(N)  # 类似地，创建一个从-2到2的N个等间隔的数组y，并加上N个随机数。    
X, Y = np.meshgrid(x, y)  # 将x和y转换成一个网格状的二维数组X和Y，X的每一行是x的复制，Y的每一列是y的复制。    
Z = np.sin(X) + np.cos(Y)  # 计算网格上每个点的Z值，Z是X中每个元素的正弦值与Y中对应元素的余弦值的和。    
plt.figure(figsize=(15, 5))  # 创建一个新的图形窗口，设置其宽度为15英寸，高度为5英寸。  
plt.subplot(121)  # 将图形窗口分割成1行2列的子图，并选择第一个子图进行绘制。    
plt.contour(X, Y, Z, 256)  # 在当前子图中绘制Z的等高线图，设置等高线数量为256。  
plt.title('Contour 2D counts = 256, cmap = viridis', pad=10)  # 为当前子图设置标题，并设置标题与图形之间的间距为10。cmap='viridis'表示使用viridis颜色映射，但在这行代码中并没有明确指定cmap，所以这里可能是个注释上的错误。   
plt.colorbar()  # 为当前子图添加颜色条，用于指示等高线图中颜色的对应关系。   
plt.subplot(122)  # 选择第二个子图进行绘制。  
plt.contour(X, Y, Z, 256, cmap='Spectral')  # 在当前子图中绘制Z的等高线图，设置等高线数量为256，并使用'Spectral'颜色映射。   
plt.colorbar()  # 为当前子图添加颜色条。  
plt.title('Contour 2D counts = 256, cmap = Spectral', pad=10)  # 为当前子图设置标题，并设置标题与图形之间的间距为10。  
plt.show()  # 显示图形窗口，如果不调用这个函数，图形窗口可能不会被显示出来。

15.3.3图像呈现-2

15.3.4绘图代码-2

import numpy as np  # 导入numpy库，用于处理数组和数值计算
import matplotlib.pyplot as plt  # 导入matplotlib的绘图模块，用于可视化
from matplotlib import rcParams  # 从matplotlib中导入rcParams，它用于处理matplotlib的配置参数

# 定义一个字典config，其中包含字体、大小和其他相关的配置参数
config = {"font.family": 'serif', "font.size": 10.5, "mathtext.fontset": 'stix', "font.serif": ['SimSun']}
rcParams.update(config)  # 使用config字典中的配置参数更新rcParams
plt.rcParams['axes.unicode_minus'] = False  # 运行配置参数总的轴（axes）正常显示正负号（minus）

N = 100
np.random.seed(100)
x = np.linspace(-2, 2, N) + np.random.random(N)
y = np.linspace(-2, 2, N) + np.random.random(N)
X, Y = np.meshgrid(x, y)
Z = np.sin(X) + np.cos(Y)**3
plt.figure(figsize=(15, 5))
plt.subplot(121)
plt.contourf(X, Y, Z, 50, cmap = 'inferno')
plt.colorbar()
plt.title('Contourf 2D counts = 50', pad = 10)
plt.subplot(122)
plt.contourf(X, Y, Z, 200, cmap = 'inferno')
plt.colorbar()
plt.title('Contourf 2D counts = 200', pad = 10)

plt.show()