Matplotlib绘制函数的等高线与三维图像_matplotlib输出xyz三维图像(2)

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，可以戳这里获取

y

)

=

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')


![img](https://img-blog.csdnimg.cn/img_convert/e4374ebcb345cc5416f88ca9cfa14403.png)
![img](https://img-blog.csdnimg.cn/img_convert/e27eba32e057bda661f8791e3d633f67.png)

**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，可以添加戳这里获取](https://bbs.csdn.net/topics/618658159)**


**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！**

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，可以添加戳这里获取](https://bbs.csdn.net/topics/618658159)**


**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！**