Matplotlib绘制函数的等高线与三维图像_matplotlib输出xyz三维图像

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Golang全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注go）

正文

)

=

x

e

−

(

x

2

y

2

)

f(x,y)=x e^{-(x2+y^2)}

f(x,y)=xe−(x2+y2)

1. 网格点

在绘制曲线之前，先了解一下网格点的绘制。比如绘制一个3x3的网格，那么就需要9个坐标点：

(0,2)-----(1,2)-----(2,2)

(0,1)-----(1,1)-----(2,1)

(0,0)-----(1,0)-----(2,0)

将其x轴和y轴坐标分开表示：

x轴:

[[0, 1, 2],
[0, 1, 2],
[0, 1, 2]]

y轴:

[[0, 0, 0],
[1, 1, 1],
[2, 2, 2]]

在numpy中可以使用np.meshgrid()来生成网格点：

import numpy as np
import matplotlib.pyplot as plt

10x10

x = np.linspace(-1.5, 1.5, num=10)
y = np.linspace(-1.5, 1.5, num=10)

generate grid

X, Y = np.meshgrid(x, y)
plt.plot(X, Y, marker=‘.’, linestyle=‘’)
plt.grid(True)
plt.show()

2. 等高线

绘制等高线需要的数据有点的坐标位置(x, y)以及坐标的高度z，高度z就是将坐标点(x, y)带入函数

f

(

x

,

y

)

f(x, y)

f(x,y)中计算得到的，在matplotlib中可以使用plt.contour()来绘制：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-1.5, 1.5, num=100)
y = np.linspace(-1.5, 1.5, num=100)
X, Y = np.meshgrid(x, y)
f = X * np.exp(-X**2 - Y**2)

fig = plt.figure()
plt.xlim(-1.5, 1.5)
plt.ylim(-1.5, 1.5)

draw

ax = plt.contour(X, Y, f, levels=10, cmap=plt.cm.cool)

add label

plt.clabel(ax, inline=True)

plt.savefig(‘img1.png’)

plt.show()

add color

plt.contourf(X, Y, f, levels=10, cmap=plt.cm.cool)

plt.colorbar()

plt.savefig(‘img1.png’)

plt.show()

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
做到真正的技术提升。**

需要这份系统化的资料的朋友，可以添加V获取：vip1024b （备注Go）
[外链图片转存中…(img-RCAdRlmI-1713335218046)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！