matplotlib 中 contourf和contour

哎呀，真的，这些函数看博客有些不靠谱……

别看其他的了，就看我这个就行了……

吐槽一下       这个和这个   

以后只看官方文档就好了……

官方文档：https://matplotlib.org/3.1.0/api/_as_gen/matplotlib.pyplot.contourf.html

 

正如其所言，contourf本质上是画等势图，那么它总是要确定整个等势图的取值。

 

contour([X, Y,] Z, [levels], **kwargs)

level是分几层，这个没什么好说的。

 

关于X、Y、Z这几个个参数：

显然这里说了两种给参数的方式。

一种是X和Y都是长度分别为N和M的一维的list（只要array like就可以了），Z是N*M的二维list就可以。

这种给法，就确定了整个平面的整个取值：

X（通过list中最大值最小值）确定纵坐标长度、Y（通过list中最大值最小值）确定横坐标长度，Z在（Xi，Yi）指定点上有指定的值Zi。

例子：

import matplotlib.pyplot as plt
if __name__=='__main__':
	x0=[1,3,2,4,5,6]
	x1=[2,3,4,5,1,6]
	y=[
		[1,1,1,1,1,1],
		[1,1,1,1,1,1],
		[1,1,1,1,1,1],
		[2,2,2,2,2,2],
		[2,2,2,2,2,2],
		[2,2,2,2,2,2],
	]
	plt.contourf(x0, x1, y, cmap=plt.cm.Spectral, alpha=0.8)
	plt.show()

这种情况，实际上我们可以连X0，X1都不用给，因为你的y实际上已经确定出了一个等势图。

如果我们把x0，x1去掉，你会得到：

有时间，可以把y改成：

y=[
		[1,1,1,1,1,1],
		[1,1,2,2,1,1],
		[1,2,3,3,2,1],
		[1,2,3,3,2,1],
		[1,2,2,2,1,1],
		[1,1,1,1,1,1],
	]

结果你也能够看得出来，是一个小山峰，他会根据你网格的长宽中的取值自动给你配0-M和0-N。

 

第二种给法是通过meshgrid这个函数转换。

meshgrid就和她名字一样，叫融合网格（别嘲笑我翻译），把他们那些一维的array-like的东西做成网格。

我们换个元组，x0=[1,2,3]，x1=[5,6,7]。

它到底是怎么“融合”的呢？

给个图你填空：

这图左边竖着的列是x0、上面横着的一行是x1，他们这样摆，能两人能组成一套坐标矩阵，

每个括号左边写x0对应的值，右边写x1对应的值。

图1

写完之后应该是：

(1,5)  (1,6)  (1,7)

(2,5)  (2,6)  (2,7)

(3,5)  (3,6)  (3,7)

换个新的y：

y=

y = [
		[1, 1, 1 ],
		[1, 1, 2 ],
		[1, 2, 3 ],
	]

分别把y的每个元素和上面我打字出来的相应位置数对矩阵对应，这个意思。

 

 

meshgrid的返回值：

把每个数对左边的值取出来组成一个矩阵，然后把右边的取出来组成一个矩阵，这就是meshgrid分别返回的两个返回值。

再具体一点，(你可以拿笔纸自己写啊~~码字好累……)

第一个和第二个返回值是:

            1  1  1                                      5  6  7

第一个：     2  2  2                              第二个： 5  6  7

            3  3  3                                       5  6  7

那么干嘛要搞这个嘛！

实际上，在第一种给法里，y矩阵的各个值是有位置的，每一个y值都对应一个数对(A,B)。第一种给法函数默认认定y的元素的位置是是顺序的，相当于x0=[0,1,2]，x1=[0,1,2]。

默认的话:

(2,0)  (2,1)  (2,2)

(1,0)  (1,1)  (1,2)

(0,0)  (0,1)  (0,2)

meshgrid可以不用默认这个方法，改变y矩阵的元素对应的数对。

一个和第一个例子等价的，用meshgrid的例子：

if __name__=='__main__':
	x0,x1=np.meshgrid([1,2,3,4,5,6],[1,2,3,4,5,6])
	y = [
		[1, 1, 1, 1, 1, 1],
		[1, 1, 2, 2, 1, 1],
		[1, 2, 3, 3, 2, 1],
		[1, 2, 3, 3, 2, 1],
		[1, 2, 2, 2, 1, 1],
		[1, 1, 1, 1, 1, 1],
	]


	plt.contourf(x0,x1, y, cmap=plt.cm.Spectral, alpha=0.8)
	plt.show()