1、初始散点数据处理成xy网格数据
import numpy as np
x = np.arange(-2, 2, 0.025)
y = np.arange(-2, 2, 0.025)
x, y = np.meshgrid(x, y)
网格处理过程:
# x 和 Y 均为:
array([-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5])
# meshgrid 函数后
## x
array([[-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5],
[-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5],
[-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5],
[-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5],
[-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5],
[-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5],
[-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5],
[-2. , -1.5, -1. , -0.5, 0. , 0.5, 1. , 1.5]])
## y
array([[-2. , -2. , -2. , -2. , -2. , -2. , -2. , -2. ],
[-1.5, -1.5, -1.5, -1.5, -1.5, -1.5, -1.5, -1.5],
[-1. , -1. , -1. , -1. , -1. , -1. , -1. , -1. ],
[-0.5, -0.5, -0.5, -0.5, -0.5, -0.5, -0.5, -0.5],
[ 0. , 0. , 0. , 0. , 0. , 0. , 0. , 0. ],
[ 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5],
[ 1. , 1. , 1. , 1. , 1. , 1. , 1. , 1. ],
[ 1.5, 1.5, 1.5, 1.5, 1.5, 1.5, 1.5, 1.5]])
图示处理过程:
# 1.处理前数据散点分布情况
import matplotlib.pyplot as plt
plt.style.use('ggplot')
import numpy as np
x = np.arange(-2, 2, 0.5)
y = np.arange(-2, 2, 0.5)
plt.plot(x, y)
plt.show()
# 2.处理后数据散点分布情况
## 2.1 平面展示
x, y = np.meshgrid(x, y)
plt.scatter(x, y)
plt.show()
## 2.2 3D展示
import mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
z = x*y*0
ax.plot_surface(x, y, z, rstride=1, cstride=1, cmap=plt.cm.jet)
plt.show()
图示:
1.处理前数据散点分布情况
2.处理后数据散点分布情况
2.1 平面展示
2.2 3D展示
2、绘制三维曲面
# 3D绘图示意
import mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
x = np.arange(-4, 4, 0.25)
y = np.arange(-4, 4, 0.25)
x, y = np.meshgrid(x, y)
r = np.sqrt(x**2 + y**2)
z = np.sin(r)
ax.plot_surface(x, y, z, rstride = 1, # row 行步长
cstride = 2, # colum 列步长
cmap=plt.cm.hot ) # 渐变颜色
ax.contourf(x, y, z,
zdir='z', # 使用数据方向
offset=-2, # 填充投影轮廓位置
cmap=plt.cm.hot)
ax.set_zlim(-2, 2)
plt.show()
-
图示:
-
1.
rstride = 2,cstride = 1
2.rstride = 1,cstride = 1
3.rstride = 1,cstride = 2
4.rstride = 2,cstride = 2