Python使用matplotlib绘制了一个具有特殊形状的图形和曲线周围绘制误差带图详解

使用 matplotlib.pyplot 绘制了一个具有特殊形状的图形。

一、直接绘制参数化曲线

1. 导入库：

   import matplotlib.pyplot as plt
   import numpy as np
   from matplotlib.patches import PathPatch
   from matplotlib.path import Path
   

   这里导入了 matplotlib.pyplot 用于绘图，numpy 用于数值计算，以及与路径相关的类和函数。

2. 生成参数：

   N = 400
   t = np.linspace(0, 2 * np.pi, N)
   r = 0.5 + np.cos(t)
   x, y = r * np.cos(t), r * np.sin(t)
   

   在这一步中，生成了参数 t，该参数从 0 到 2π 产生了 400 个均匀分布的点，然后通过余弦函数计算了 r。最后，使用极坐标转换将 r 转换为直角坐标系中的 x 和 y。

3. 创建画布和轴：

   fig, ax = plt.subplots()
   

   使用 plt.subplots() 创建一个包含一个轴的画布。

4. 绘制特殊形状的图形：

   ax.plot(x, y, "k")
   

   使用 ax.plot() 绘制了一个特殊形状的图形，其中 x 和 y 是上一步生成的坐标，“k” 表示黑色。

5. 设置图形的纵横比：

   ax.set(aspect=1)
   

   使用 ax.set() 方法设置图形的纵横比为 1，以保持图形的比例。

6. 显示图形：

   plt.show()
   

• 完整代码

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import PathPatch
from matplotlib.path import Path

# 生成参数
N = 400
t = np.linspace(0, 2 * np.pi, N)
r = 0.5 + np.cos(t)
x, y = r * np.cos(t), r * np.sin(t)

# 创建画布和轴
fig, ax = plt.subplots()

# 绘制特殊形状的图形
ax.plot(x, y, "k")

# 设置图形的纵横比
ax.set(aspect=1)

# 显示图形
plt.show()

二、曲线周围绘制误差带

误差带可用于指示曲线的不确定性。在这个例子中，我们假设误差可以用标量err给出 ，它描述垂直于曲线上每个点的不确定性。
我们使用 将该错误可视化为路径周围的彩色带 PathPatch。该补丁是由两个路径段(xp, yp)和 (xn, yn)创建的，这两个路径段垂直于曲线(x, y)移动 +/- err。
注意：这种使用 a 的方法PathPatch适用于二维中的任意曲线。如果您只有标准 y-vs.-x 图，则可以使用更简单的 fill_between方法。

1. draw_error_band 函数：

   def draw_error_band(ax, x, y, err, **kwargs):
   

   这个函数接受一个坐标系 ax、x坐标、y坐标和误差值，然后绘制一个带有误差带的曲线。

2. 计算法向量：

   dx = np.concatenate([[x[1] - x[0]], x[2:] - x[:-2], [x[-1] - x[-2]]])
   dy = np.concatenate([[y[1] - y[0]], y[2:] - y[:-2], [y[-1] - y[-2]]])
   l = np.hypot(dx, dy)
   nx = dy / l
   ny = -dx / l
   

   使用中心差分计算法向量，其中 dx 和 dy 分别为x和y坐标的差值，l 是法向量的长度，nx 和 ny 是法向量的x和y分量。

3. 计算误差带的端点：

   xp = x + nx * err
   yp = y + ny * err
   xn = x - nx * err
   yn = y - ny * err
   

   根据法向量和给定的误差值，计算误差带的两端点。

4. 构建误差带的路径：

   vertices = np.block([[xp, xn[::-1]],
                         [yp, yn[::-1]]]).T
   codes = np.full(len(vertices), Path.LINETO)
   codes[0] = codes[len(xp)] = Path.MOVETO
   path = Path(vertices, codes)
   

   构建误差带的路径，其中 vertices 是路径的顶点，codes 表示路径的类型（LINETO 表示直线段，MOVETO 表示移动到新的起始点）。

5. 添加误差带到坐标系：

   ax.add_patch(PathPatch(path, **kwargs))
   

   将误差带添加到给定的坐标系，通过 PathPatch 类来创建并配置路径。

6. 创建画布和子图：

   _, axs = plt.subplots(1, 2, layout='constrained', sharex=True, sharey=True)
   

   创建一个包含两个子图的画布，子图共享x和y轴。

7. 定义两个不同的误差并绘制：

   errs = [
       (axs[0], "constant error", 0.05),
       (axs[1], "variable error", 0.05 * np.sin(2 * t) ** 2 + 0.04),
   ]
   

   定义两个不同的误差，然后在每个子图中绘制原始曲线和带有误差带的曲线。

8. 显示图形：

   plt.show()
   

• 完整代码

from matplotlib.patches import PathPatch
from matplotlib.path import Path
import matplotlib.pyplot as plt
import numpy as np

def draw_error_band(ax, x, y, err, **kwargs):
    # 计算法向量，通过中心差分计算（第一个点使用前向差分，最后一个点使用后向差分）
    dx = np.concatenate([[x[1] - x[0]], x[2:] - x[:-2], [x[-1] - x[-2]]])
    dy = np.concatenate([[y[1] - y[0]], y[2:] - y[:-2], [y[-1] - y[-2]]])
    l = np.hypot(dx, dy)
    nx = dy / l
    ny = -dx / l

    # 误差带的端点
    xp = x + nx * err
    yp = y + ny * err
    xn = x - nx * err
    yn = y - ny * err

    # 构建误差带的路径
    vertices = np.block([[xp, xn[::-1]],
                         [yp, yn[::-1]]]).T
    codes = np.full(len(vertices), Path.LINETO)
    codes[0] = codes[len(xp)] = Path.MOVETO
    path = Path(vertices, codes)
    ax.add_patch(PathPatch(path, **kwargs))

N = 400
t = np.linspace(0, 2 * np.pi, N)
r = 0.5 + np.cos(t)
x, y = r * np.cos(t), r * np.sin(t)
# 创建一个包含两个子图的画布
_, axs = plt.subplots(1, 2, layout='constrained', sharex=True, sharey=True)

# 定义两个不同的误差
errs = [
    (axs[0], "constant error", 0.05),
    (axs[1], "variable error", 0.05 * np.sin(2 * t) ** 2 + 0.04),
]

# 在每个子图中绘制曲线和误差带
for i, (ax, title, err) in enumerate(errs):
    ax.set(title=title, aspect=1, xticks=[], yticks=[])
    ax.plot(x, y, "k")
    draw_error_band(ax, x, y, err=err,
                    facecolor=f"C{i}", edgecolor="none", alpha=.3)

# 显示图形
plt.show()